模擬退火演算法(simulated annealing，sa)最早的思想是由n. metropolis [1] 等人於2023年提出。1983 年,s. kirkpatrick 等成功地將退火思想引入到組合優化領域。它是基於monte-carlo迭代求解策略的一種隨機尋優演算法，其出發點是基於物理中固體物質的退火過程與一般組合優化問題之間的相似性。模擬退火演算法從某一較高初溫出發，伴隨溫度引數的不斷下降,結合概率突跳特性在解空間中隨機尋找目標函式的全域性最優解，即在區域性最優解能概率性地跳出並最終趨於全域性最優。模擬退火演算法是一種通用的優化演算法，理論上演算法具有概率的全域性優化效能,目前已在工程中得到了廣泛應用，諸如vlsi、生產排程、控制工程、機器學習、神經網路、訊號處理等領域。
模擬退火演算法是通過賦予搜尋過程一種時變且最終趨於零的概率突跳性，從而可有效避免陷入區域性極小並最終趨於全域性最優的序列結構的優化演算法。
模擬退火演算法是一種啟發式演算法。 通過不斷的迭代當前解在周圍找到問題的最優解。
完整的模擬退火過程是模擬熱力學的退火過程，隨著溫度的不斷下降（本質上是隨著迭代次數的增多，發生跳轉的概率越來越小的過程），演算法將在多項式的時間內找到問題的近似全域性最優解（有可能還是區域性最優解）。
這裡面與爬坡法最大的區別是在演算法步驟10中， 當不滿足爬坡條件的時候，仍然以一定的概率接受接受新值；當溫度較高的時候概率越大，也就更容易跳出區域性極值點，而隨著溫度慢慢下降，慢慢的也收斂到全域性極值點。
模擬退火演算法
w 模擬退火演算法的基本思想 將乙個優化問題比擬成乙個金屬物體，將優化問題的目標函式比擬成物體的能量，問題的解比擬成物體的狀態，問題的最優解比擬成能量最低的狀態，然後模擬金屬物體的退火過程，從乙個足夠高的溫度開始，逐漸降低溫度，使物體分子從高能量狀態緩慢的過渡到低能量狀態，直至獲得能量最小的理想狀態...
模擬退火演算法
一些求解極值的問題不能通過函式特性直接求解，只能暴力列舉，但是單純的列舉效率不高，通過模擬退火演算法可以高效的找到答案。學習好博文 最小圓覆蓋 hdu 3007 buried memory 大意 給出一些點，求出能覆蓋他們的最小的圓。輸出圓心和半徑 include include include i...
模擬退火演算法
1.模擬退火演算法認識 爬山演算法也是乙個用來求解最優化問題的演算法，每次都向著當前上公升最快的方向往上爬，但是初始化不同可能 會得到不同的區域性最優值，模擬退火演算法就可能跳出這種區域性最優解的限制。模擬退火演算法是模擬熱力學系統 中的退火過程。在退火過程中是將目標函式作為能量函式。大致過程如下 ...