各种数据结构、算法及实用的C#源代码
C#，动态规划（DP）模拟退火（Simulated Annealing）算法与源代码
*问题:**给定一个成本函数f:r^n–>r*，找到一个 n 元组，该元组最小化 f 的值。请注意，最小化函数值在算法上等同于最大化(因为我们可以将成本函数重新定义为 1-f)。 很多有微积分/分析背景的人可能都熟悉单变量函数的简单优化。例如，函数 f(x) = x^2 + 2x 可以通过将一阶导数设置为零来优化，从而获得产生最小值 f(-1) = -1 的解 x = -1 。这种技术适用于变量很少的简单函数。然而，通常情况下，研究人员对优化几个变量的函数感兴趣，在这种情况下，只能通过计算获得解。
一个困难的优化任务的极好例子是芯片平面规划问题。假设你在英特尔工作，你的任务是设计集成电路的布局。您有一组不同形状/大小的模块，以及可以放置模块的固定区域。你想要达到的目标有很多:最大化导线连接元件的能力，最小化净面积，最小化芯片成本，等等。考虑到这些，您创建了一个成本函数，取所有，比如说， 1000 个变量配置，并返回一个代表输入配置“成本”的实数值。我们称之为目标
