一、模拟退火 (Simulated Annealing)

模拟退火 (Simulated Annealing) 其实是一种贪心算法，但是它的搜索过程引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。

模拟退火算法源自于对热力学中退火过程的模拟，在给定一个初始温度下，通过不断降低温度，使得算法能够在多项式时间内得到一个近似最优解。

二、模拟退火算法的步骤描述如下：

对于一个优化问题 min f(x)，

1. 给定一个初始可行解 x0，初始温度 T0 和终止温度 Tf，令迭代计数为 k。

2. 随机选取一个邻域解 xk，计算目标函数增量 Δf=f(xk)−f(x)。

   若 Δf<0，则令 x=xk；

   否则生成随机数 ξ=U(0,1)，若随机数小于转移概率 P(Δf,T)，则令 x=xk。

3. 降低温度 T。

4. 若达到最大迭代次数 kmax 或最低温度 Tf，则停止算法

   否则转至步骤 2。

整个算法的伪代码如下：

流程图

在进行邻域搜索的过程中，当温度较高时，搜索的空间较大，反之搜索的空间较小。

类似的，当 Δf>0 时，转移概率的设置也同当前温度的大小成正比。

三、常用的降温函数有两种：

1. Tk+1=Tk∗r，其中 r∈(0.95,0.99)，r 设置的越大，温度下降越快。

2. Tk+1=Tk−ΔT，其中 ΔT 为每一步温度的减少量。

https://leovan.me/cn/2019/04/heuristic-algorithms/

https://www.sohu.com/a/161813051_206216

https://blog.csdn.net/weixin_42398658/article/details/84031235