讓我們又來發一句：
目前你能在這幾個地方看到：，洛谷
眾所周知·，有一種絕妙的演算法 —— sa 也就是模擬退火。
它是解決tsp問題的比較優秀方法之一。
它的解決方案是先定乙個極大的範圍，然後不斷縮小範圍。
但是範圍實在是太大了，我們在這個巨大的範圍內浪費了很多時間。
因此，優化的辦法——模擬上火，就來了。
當然由於本人太菜，模擬上火只能拿89分，可能是引數調的不完美。
但是時間從926ms→261ms，基本上飛起來。存在毒瘤翻車情況（跑幾次模擬上火都a不了的），因此模擬上火適用的範圍是：
一般來說，乙個峰比較少的函式，或者比較密集的函式，我們可以用到模擬上火
下面我們就來說一下模擬上火的主要函式確定溫度的fever函式
1於是經過本人（yy出來的）模擬上火，就弄出來了double fever(int
age) //age指的是迭代次數2
18return
t;19 }
對了，如果你真的要好好去學模擬退火，這篇文章你可以關了。
如果這篇文章對你有幫助的話，請馬上關閉這個頁面，這才是對你的幫助。
由於是yy了乙個標題，所以瞎寫寫了一般，文章內容絕對無學術意義(應該
另外，我是等這篇文章被爬
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...
模擬退火合集
首次接觸模擬退火 看來還是挺神奇的。主要參考這篇博文 題意判斷多邊形內部能否容納乙個半徑為r的圓，即在有限的平面內找最優範圍。遺傳演算法的結果難以掌控，爬山演算法又沒法保證跳出區域性最優，所以基於貪心原則的模擬退火演算法還是值得考慮的。然後就是設定每次變化的步長和演化方式。該題可以從每條邊的中點開始...
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...