写在前面：
供研究者使用，并不是针对普通玩家制作的工具。
请勿回复“不明觉厉”系列，也请别再说我净搞些搞不懂的东西装逼了。
这个工具，每一个职业版面只要有一个人会用，所有人就都能从中获益。
 
5.4的时候xibo为兽王猎引入了爬山法。
点击阅读：猎人5.4版本野兽控制属性收益峰值分析 
我们战士为什么不引入？因为我们当时用不到。
现在我们用到了。
 
爬山法解决的问题：属性收益的峰值不在边界上。
以前，我们堆爆击，我们把所有能出爆击的属性都出了爆击，但爆击仍然是最高权值。这个时候，属性收益是单调的，极大值永远都取在边界上，知道爆击越高越好，就足够了。
所以很简单，在各个属性间把属性权值排个序，属性问题就解决了。
现在，我们堆爆击，然后发现精通的权值最高；我们又堆精通，然后发现急速的权值最高；我们又堆急速，然后发现溅射的权值最高；我们又堆溅射，然后发现爆击的权值又变成最高了……
出现这种情况说明你围绕着峰值点转了一圈。
峰值点不在边界，那么首先要确定峰值点的位置，才能知道属性出成什么样子最好。已经不是无脑堆某一项属性的时候了。
问题转化为在约束条件下，求一个多元函数的极值点。解决这类问题，基本的思想是梯度下降。
 
理论问题请点xibo的帖子。我基本上只是做了一遍他做过的事情，所以没必要把这些东西抄一遍。
思路：
有一只蚂蚁，起始位于(a, a, a, a, a)。蚂蚁向周围各个方向寻找比目前位置更高的点。
由于约束五项属性的总和不变，我们每走一步，需要增加一项属性的同时减少另一项属性，所以方向一共有20种：(a+d, a-d, a, a, a)(a+d, a, a-d, a, a)(a+d, a, a, a-d, a)(a+d, a, a, a, a-d)(a-d, a+d, a, a, a)(a, a+d, a-d, a, a)…………
依次尝试它们。如果发现某一个点比目前位置更高，则移动到那里。
蚂蚁永远不走回头路，它每次到达一个位置，就留下信息素。蚂蚁会忽视已经留下信息素的位置，因为这些位置一定不会高于当前位置(蚂蚁只向更高的地方走，所以曾走过的位置一定是低的)。
 
进行两点的比较时，重复调用simc来模拟，不断增加模拟迭代来分离置信区间，直到有99.5%的置信水平确认某一个点比另一个高。
如果对两个点进行的模拟总计超过80万次迭代，仍未能达到99.5%的置信水平区分两点高低，则认为它们“几乎相等”。
此时，如果“新点比老点高”的置信概率大于50%，则在没有更好的选择时移动到这一点上。如果小于50%则抛弃它。
 
如果周围已经找不到更高的点，则缩短步长。
如果步长已经足够短(这里设置是步长不低于40)，则认为已经找到峰值，结束程序。
 
程序的要求：
DPS随属性的变化是连续的，不能发生跃变。所以具有明显属性断点的职业专精恐怕要另寻方法。
单峰。程序起始位置是固定的五项属性均分，而且不会自己重启。如果有多个极值点，最终只能找到一个，也就有可能陷入了一个局部极值，没有找到全局极值。
单峰这一性质要研究者首先确认一下。如果有多个极值，请自己修改程序，让起始位置靠近全局极值，或者采用随即重启机制多次确认。
 
git repo: [https://github.com/AeanSR/climb]
C++。我用的IDE是VS2013，其他编译器应该都可以正常编译。
 
使用方法：
在climb.cpp的开始部分，有一块Settings.
设置这些参数
SIMC_NAME：simc的名字(simc.exe或simc64.exe)。你要把simc CLI程序和climb.exe放在一个目录里。
amount：属性总和。
stat_name：属性列表。
这个版本，五项属性比较多，为减少计算量，可以缩减几项属性。例如，如果你已经确认全能是废物属性，那么你可以把"versatility"删除，然后从amount里面扣除全能的数量。如果你只想知道急速和精通之间的关系，那就只保留"haste"和"mastery"，然后把amount改为模型所具有的急速和精通等级之和。
注意这里的属性是装备上标识的属性之和，不是面板属性，是计算专精提供的5%加成之前的属性总量。
然后你需要提供一份基础的TCI。可以从预设档案抄一部分过来，也可以自己写。在base_tci.cpp里。
每一行需要用STR()括起来，不需要双引号。
基础TCI中不要声明iterations和target_error，这些是由程序自己控制的。
现在base_tci.cpp里面是一份狂暴战的模型，你可以参考。一个有用的选项：default_action，可以帮你节约APL占用的篇幅。