本文探讨了局部搜索算法中的决策过程挑战，提出利用神经网络优化邻域转移的方法。研究表明，该方法在NK景观问题中表现出高效性和鲁棒性，为局部搜索算法的发展开辟了新方向。

本文介绍了一种新方法，通过增量式计数约束解决最大可满足性问题（MaxSAT），实验结果显示其性能显著优于非增量式方法。同时，研究提出了局部搜索算法BandMaxSAT，利用多臂赌博机模型优化Partial MaxSAT和Weighted PMS问题，表现优异。此外，研究还聚焦于量子退火在二次无约束二进制优化（QUBO）中的应用，提出新方法编码多个NP完全问题，并通过实验证明其有效性。

本文探讨了提高局部搜索算法效率的方法，提出了新的局部搜索算法SPB-MaxSAT和加权布尔优化框架，实验结果表明其性能优于现有算法。此外，介绍了多目标PBO框架及其在个性化设计任务中的应用，验证了其有效性和收敛性。

本文提出了一种可扩展的算法，解决个体公平聚类问题，设计了快速局部搜索算法，运行时间约为 $O(nk^2)$，并获得有效的近似解。研究了公平性与聚类目标之间的权衡，优化了公平聚类的解决方案，并通过实验证明了其优越性。