传统的n后问题使用的是回溯法解决的，但是一旦问题的规模过大，那么计算时间复杂度是不能够接受的，

这里有一种启发式局部搜索的n皇后问题，由sosic和顾均提出，可以计算皇后数量超过1000，当皇后数量超过1000的时候，计算时间反而会下降，每一次运行的时间为O（n^2），算法伪代码为

输入：皇后数量N

输出：解t(i)

Begin

Do

(1)  产生一个随机解t(i)(i=1,2,3,…n)

(2)  For all I,j; where 皇后t(i)或t(j)用冲突 do

(2.1) if 交换t(i)与t(j)能减少冲突

（2.2） then 交换 t(i)与t(j)

       Endif

 Endfor

 Until  解无冲突

End

疑问：这个方法的第(2)步结束条件是什么伪代码中并没有说明，我假设是遍历完了所有的I,和j

对于每个皇后，由于采用的数据结构的原因，不存在横线上和纵列的冲突的可能，只有可能是斜线上的冲突，并且在检查交换t(i)与t(j)能否减少冲突的时候，只涉及8条斜线，因此检查的时间为常数时间，每次运行for的时间为O(n^2)，

当输入数据n过大的时候，这种方法能够在较短的时间内得到很多的可行解

这种方法适用于一个题目，让你求其有效解，你可以生成一个初始解，然后对解里面的每个元素进行在指定领域里面的一种操作，如果操作能降低错误程度，那么就执行，否则查看下个元素，

如果查看完所有的元素后还是有错误，从新随机生成初始元素，然后再次查看所有元素，进行调整

这里采用随机重启的方法，因为n皇后问题的解很多，但是对于某些可行解比较少的例子，比如大部分的TSP问题，随机重启的效率并不高

但是局部搜索算法很可能过早的陷入局部最优解陷阱，解决的方法是重新随机生成初始解，然后继续局部搜索，或者是对之前的最优解进行扰动之后，再次随机搜索，看是否能得到更好的解，

比如解决TSP问题著名的LK算法，新的初始解采用对已有最好解进行“双桥”扰动的方法，作为新的初始解