模拟退火算法初探——[usaco 5.2]electic fences总结

今天心血来潮自己学习模拟退火，听名字就感觉高端大气上档次，老师说：这是一个拼人品的算法，他也不熟。建议我先不学，毕竟高大上，我喜欢。

下面谈谈今天的学习：

看了一些材料什么的，表示无爱，什么温度啊降温啊，真是看不懂，不过还是找到了一个好的文章，非常不错，讲的很通俗易懂，大家也可以去膜拜围观： 大白话解析模拟退火算法 orz！！！

模拟退火是爬山算法的改进，爬山算法是一种不成熟的贪心，它更多是倾向于局部最优，一旦找到的下一个策略不如现在，便不再搜索，所以很容易与实际最优解擦肩而过。

而模拟退火则是做了个改进，如果下一个策略比当前要优，与爬山算法相同，如果没有当前优，那么就有一定的几率继续搜索，并且这个几率越来越小，所以也就避免了盲目的停止搜索，也可以比较科学的继续搜索。不过说到底，它还是随机化搜索的一种，所以还是得拼人品的，像本人遇到的情况就比较坑。

好了，说一下模拟退火算法的基本步骤，这里我们的模型选取还是按照温度来讲：

首先，需要让系统温度总是大于你的下限，这是最基本的，至于下限是什么，有时候题目中会明确提及，而有时候需要你自己看情况，老师说，这基本上看经验了QAQ。。。

其次，要有一定的检验循环次数，因为这是随机化，难免出岔子，从理论上讲，循环的次数越多，就越有可能找到最优解，越保险，下面要说的这道题我循环了500次，结果WA了两组，改成1000次，AC了，真是拼人品啊！！！

在前面提到的两个循环中，就是核心内容了，首先，如果新的策略更优，就更新，如果不优，就按照下面的来： if(exp(dE/T)>random(0,1)) Y(i+1)=Y(i); 一定概率的更新。

然后就开始降温退火了，要注意，你降温的幅度不能大也不能小，幅度大了程序运行会比较快，但是容易将最优解错过，幅度小了找到最优解的可能更大，但是时间上吃不消。具体开多大，还是老师那句话：看经验！！！

模拟退火的过程基本上就是这么多，不得不说这是我学程序设计以来学的最惊艳的算法了，之前的算法像什么图论动规不管多屌，还是那么些数字，必须按照人家的数字走，可是这。。看经验，确实很厉害！！！

我学的也并不深，以后会继续学习，这篇总结写的可能很次，也会有些错误，请及时指出，谢谢！

下面看一道模拟退火的题目：

这道题方法很多，据NOCOW所说，其实数学计算甚至爬山算法都能AC，我只说模拟退火算法。

代码如下：

#include<iostream>
#include<cmath>
#include<cstdio>
#include<cstring>
#include<iomanip>
#include<ctime>
#include<cstdlib>
#define sqr(q) ((q)*(q))
#define ou(x,y,x1,y1) (sqrt(sqr((x)-(x1))+sqr((y)-(y1))))
using namespace std;
typedef double dd;
int N;
dd x,y,T,best;
struct dong
{
	int x1,x2,y1,y2;
}d[160];
dd dis(dd x,dd y,int k)
{
	if(d[k].x1==d[k].x2)//电网与y轴平行。
	{
		if(y<d[k].y1) return ou(x,y,d[k].x1,d[k].y1);//源点在1点下方则最短距离为1点与源点距离。
		if(y>d[k].y2) return ou(x,y,d[k].x2,d[k].y2);//源点在2点上方则最短距离为2点与源点距离。
		return abs(x-d[k].x1);//求点到线的距离。
	}
	else
	{
		if(x<d[k].x1) return ou(x,y,d[k].x1,d[k].y1);
		if(x>d[k].x2) return ou(x,y,d[k].x2,d[k].y2);
		return abs(y-d[k].y1);
	}
}
void init()
{
	scanf("%d",&N);
	x=rand()%100,y=rand()%100;
	T=100,best=0;
	for(int i=1;i<=N;i++)
	{
		scanf("%d%d%d%d",&d[i].x1,&d[i].y1,&d[i].x2,&d[i].y2);
		if(d[i].x1>d[i].x2) swap(d[i].x1,d[i].x2);
		if(d[i].y1>d[i].y2) swap(d[i].y1,d[i].y2);
		best+=dis(x,y,i);
	}
}
void SAA()
{
	int num=31;
	dd tx,ty;
	while(T>10e-3)//系统温度始终要高于一个下限T_min=10e-3。
	{
		for(int i=1;i<=1000;i++)//多次计算，理论上讲循环次数越多，越有可能得到最优解，一般按情况定。
		{
			dd x1,y1;
			x1=T*(dd(rand())/dd(RAND_MAX))*(2*(rand()%2)-1);//随机生成一组新的答案。
			y1=sqrt(sqr(T)-sqr(x1))*(2*(rand()%2)-1)+y;//需要注意当前解的范围应当适当。
			x1+=x;
			dd temp=0;
			for(int k=1;k<=N;k++) temp+=dis(x1,y1,k);
			dd p=temp-best,yy=0;//p代表dE，是能量差，就是模板里的J(i+1)-J(i)。
			if(p<0)//比当前最优解更优，因为这个是越小越好，更新最优解。
			{
				yy=1;
				tx=x1;ty=y1;
				best=temp;
			}
			else yy=exp(-p/T);//否则，计算概率，模拟退火。
			dd q=dd(rand())/dd(RAND_MAX);
			if(q<yy)//相当于模板中的if(exp(dE/T)>random(0,1))。
			{
				x=x1;
				y=y1;//更新解。
			}
		}
		num++;
		T=T/(log10(1.0*num)/log10(20.0));//降温退火，降温的大小越大，越有可能找到最优解，但时间较长；降温的大小越小，时间越短，但最终可能只搜到了局部最优。
	}
	printf("%.1lf %.1lf %.1lf",tx,ty,best);
}
int main()
{
	srand(size_t(time(NULL)));
	init();
	SAA();
	return 0;
}