模擬退火演算法（simulated annealing，sa）的思想最早由metropolis等人於2023年提出；kirkpatrick於2023年第一次使用模擬退火演算法求解組合最優化問題。模擬退火演算法是一種基於monte carlo迭代求解策略的隨機尋優演算法，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。其目的在於為具有np（non-deterministic polynomial）複雜性的問題提供有效的近似求解演算法，它克服了其他優化過程容易陷入區域性極小的缺陷和對初值的依賴性。
模擬退火演算法是一種通用的優化演算法，是區域性搜尋演算法的擴充套件。它不同於區域性搜尋演算法之處是以一定的概率選擇鄰域中目標值大的劣質解。從理論上說，它是一種全域性最優演算法。模擬退火演算法以優化問題的求解與物理系統退火過程的相似性為基礎，它利用metropolis演算法並適當地控制溫度的下降過程來實現模擬退火，從而達到求解全域性優化問題的目的。
模擬退火演算法是一種能應用到求最小值問題的優化過程。在此過程中，每一步更新過程的長度都與相應的引數成正比，這些引數扮演著溫度的角色。與金屬退火原理相類似，在開始階段為了更快地最小化，溫度被公升得很高，然後才慢慢降溫以求穩定。
目前，模擬退火演算法迎來了興盛時期，無論是理論研究還是應用研究都成了十分熱門的課題。尤其是它的應用研究顯得格外活躍，已在工程中得到了廣泛應用，諸如生產排程、控制工程、機器學習、神經網路、模式識別、影象處理、離散/連續變數的結構優化問題等領域。它能有效地求解常規優化方法難以解決的組合優化問題和複雜函式優化問題，適用範圍極廣。
模擬退火演算法具有十分強大的全域性搜尋效能，這是因為比起普通的優化搜方法，它採用了許多獨特的方法和技術：在模擬退火演算法中，基本不用搜尋空間的知識或者其他的輔助資訊，而只是定義鄰域結構，在其鄰域結構內選取相鄰解，再利用目標函式進行評估；模擬退火演算法不是採用確定性規則，而是採用概率的變遷來指導它的搜尋方向，它所採用的概率僅僅是作為一種工具來引導其搜尋過程朝著更優化解的區域移動。因此，雖然看起來它是一種盲目的搜尋方法，但實際上有著明確的搜尋方向。
《智慧型優化演算法及其matlab例項》，包子陽，電子工業出版社。
人工智慧 模擬退火演算法及實踐
摸擬退火演算法是基於隨機搜尋的，即在解的空間中展開隨機搜尋的。當問題的空間很大，而可行解比較多，並且對解的精度要求不高時，隨機搜尋是很有效的解決辦法，因為其他的做法在這個時候時空效率不能讓人滿意。而借助演化思想和群集智慧型思想改進過的隨機演算法更是對解的分布有規律的複雜問題有良好的效果。所謂退火是冶...
人工智慧概述
1 什麼是人工智慧 人工智慧的概念 機器模擬人的意識和思維 重要人物 艾倫 麥席森 圖靈 alan mathison turing 人物簡介 1912 年 6 月 23 日 1954 年 6 月 7 日，英國數學家 邏輯學家，被稱為電腦科學之父，人工智慧之父。相關事件 1 1950 年在 機器能思考...
人工智慧 概述
2021 3 25 隨筆。智慧型，是智慧型和能力的總稱，主要是指人類的自然智慧型。一般認為，智慧型是是一種認識客觀事物和運用知識解決問題的綜合能力。智慧型包含感知能力，記憶與思維能力，學習和自適應能力，行為能力。人類思維方式有形象思維 抽象思維和靈感思維。人工智慧是電腦科學的乙個分支，它企圖了解智慧...