模拟退火算法
模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子
随温升变为无序状，
内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减
为最小。根据 Metropolis
准则，粒子在温度 T 时趋于平衡的概率为 e-ΔE/(kT)，其中 E 为温度 T 时的内能，ΔE 为其改变量，k
为 Boltzmann 常数。用固体退
火模拟组合优化问题，将内能 E 模拟为目标函数值 f，温度 T 演化成控制参数 t，即得到解组合优化问
题的模拟退火算法：由初始
解 i 和控制参数初值 t 开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步
衰减 t 值，算法终止时的
当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由
冷却进度表(Cooling
Schedule)控制，包括控制参数的初值 t 及其衰减因子 Δt、每个 t 值时的迭代次数 L 和停止条件 S。
3.5.1 模拟退火算法的模型
模拟退火算法可以分解为解空间、目标函数和初始解三部分。
模拟退火的基本思想:
(1) 初始化：初始温度 T(充分大)，初始解状态 S(是算法迭代的起点)， 每个 T 值的迭代次数 L
(2) 对 k=1，……，L 做第(3)至第 6 步：
(3) 产生新解 S′
(4) 计算增量 Δt′=C(S′)-C(S)，其中 C(S)为评价函数
(5) 若 Δt′<0 则接受 S′作为新的当前解，否则以概率 exp(-Δt′/T)接受 S′作为新的当前解.
(6) 如果满足终止条件则输出当前解作为最优解，结束程序。
终止条件通常取为连续若干个新解都没有被接受时终止算法。
(7) T 逐渐减少，且 T->0，然后转第 2 步。
算法对应动态演示图：
模拟退火算法新解的产生和接受可分为如下四个步骤：
第一步是由一个产生函数从当前解产生一个位于解空间的新解；为便于后续的计算和接受，减少算法
耗时，通常选择由当
前新解经过简单地变换即可产生新解的方法，如对构成新解的全部或部分元素进行置换、互换等，注
意到产生新解的变换方法
决定了当前新解的邻域结构，因而对冷却进度表的选取有一定的影响。
第二步是计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生，所以目标函数差的计
算最好按增量计算。
