GRASP算法（Greedy Randomized Adaptive Search Procedure，貪心隨機自適應搜尋算法）是一種用於解決組合最佳化問題的元啟發式算法。它通過疊代的方式尋找最優解，每次疊代包括兩個主要階段：構造階段和局部搜尋階段。
在構造階段，GRASP算法構建一個可行的解。與傳統貪婪算法不同，GRASP在每一步都考慮一個由最佳元素組成的候選列表，並隨機選擇一個元素加入到解決方案中，形成有限候選集合（RCL）。
局部搜尋階段則是對構造出的解進行改進。這一階段通過考慮解的小變化（如交換兩個城市的位置）來嘗試改進初始解，直到找到局部最優解。
GRASP算法可以通過多種方式進行最佳化，例如通過引入反應GRASP、成本擾動、偏差函式、記憶和學習、路徑重連等技術。同時，GRASP可以採用同步策略，使用多執行緒方法來加快最優解的尋優速度。
GRASP算法特別適用於解決如旅行商問題（TSP）這類NP困難的組合最佳化問題。它通過結合貪婪算法的構造性和局部搜尋的最佳化性，能夠快速找到高質量的解。
總的來說，GRASP算法是一種高效的元啟發式搜尋算法，適用於解決各種組合最佳化問題，特別是在需要快速找到近似最優解的場景中表現出色。