一、局部最优解不是固定不变的，与具体算法有关。
“局部最优解”应该是指：从既有解，按照算法规定的规则继续进行运算所生成的所有解都不如既有解更优。
不同的算法会产生不同的局部最优解，按照甲算法无法生成更优解时，不一定按乙算法也无法生成更优解。所以使用其他算法所获得的解作为初始最优解进行迭代，可能快速获得更好的解。
某些算法（如：单纯型法、动态规划法、完全随机搜索等）不存在“局部最优解”，只要不断进行搜索，一定能够找到最优解（但未必能够证明这个解就是最优的）。
二、几种常见算法使用比较
2-opt和or-opt：方法最简单，对算力要求最低。3-opt稍复杂，但是也可接受。都能找到比较好的解。
模拟退火算法：可以在初次尝试就获得较好的解。
禁忌搜索算法：适用于在已经获得较好解的情况下，精益求精地逼近最优解，但是效率不高。
遗传算法和蚁群算法：对算力要求太大，不适合大规模问题。遗传算法受到初始解影响很大，如果初始解太好，可能找不出更优的解。如果初始解太差，进化很慢，最终的解也未必很好。
动态规划：只适合于很小规模的问题，但一定保证能够获得最优解。
三、结合使用各种算法可以获得更好的解
模拟退火、禁忌搜索、遗传算法和蚁群算法，对于“移动”、“变异”、“扰动”等新解产生的机制：可以包括：两点交换、2-opt（等价于整段逆转）、3-opt、同向移位等，实质就是2-opt\3-opt\or-opt等算法与其他的搜索算法的结合。
四、本人经验
1、先用模拟退火算法获得一个解；
2、以此解为初始最优解交替用or-opt和3-opt方法，进行进一步搜索；
3、如有必要，并且时间允许，再用禁忌搜索算法进行优化。
五、没有计算机的情况下
此时推荐使用贪心算法，手工解的效率非常高。
