模拟退火算法

一、模拟退火算法简介

      

模拟退火算法（Simulated  Annealing, SA）是一种通用的随机搜索算法，是对局部搜索算法的扩展。与一般局部搜索算法不同，SA 以一定的概率选择邻域中目标值相对较小的状态，是一种理论上的 全局最优算法。

模拟退火算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个 近似最优解 。

二、模拟退火算法与金属退火过程对比

   

物理退火过程：

加温过程----固态溶解为液态的过程，分子的分布从有序的晶体态转化为无序的液态，消除原有的非均匀态。

等温过程----在退火中，需要保证系统在每一个温度下都达到充分的平衡状态。

冷却过程----液态凝固成固态晶体的过程。系统能量逐渐下降，从而得到低能有序的晶体结构。

模拟退火过程：

设定初始高温，相当于物理退火的加温过程。初始温度要足够高，在实际应用中，要根据以往的经验，通过反复实验来确定T0的值。

热平衡达到，相当于物理退火的等温过程。是指在一个给定温度下，SA用特殊的抽样策略进行随机搜索，最终达到平衡状态的过程。这是SA算法的内循环过程。

降温函数，相当于物理退火的冷却过程。用来控制温度的下降方式，这是SA算法的外循环过程。常用的降温函数有Tk+1=Tk-DT，Tk+1=Tk*r，其中r∈(0.95,0.99)。

  1953年，Metropolis等提出了一种 重要性采样法(Metropolis准则)，即 以概率接受新状态。

   Metropolis准则

   在温度t，由当前状态i产生新状态j，两者的能量分别为Ei 和 Ej ,若Ei >Ej ，则接受新状态j为当前状态；否则，以一定概率：