【备战美赛】模拟退火

算法介绍

模拟退火算法本质上是一种贪心算法。在引出模拟退火算法之前，先来看一种比较好理解的算法——爬山算法。简而言之，爬山算法就算爬到一个相对来说的最高峰（继续爬就下坡了）就停止的算法，这种算法虽然快，但是很容易限于局部最优解而非全局最优解。所以我们需要对爬山算法进行改进，便有了模拟退火算法。

模拟退火算法在爬山算法的基础上增添了一个随机性。如果下一个解优于当前解，那么肯定要更新当前解；如果下一个解不优于当前解，那么有一定的概率接受下一个解，并且这个概率会随着时间推移降低。而这里选取的概率正是运用了物理学中的热力学原理：在温度为T时，出现能量差为dE的概率为P(dE)=exp(dE/kT)，在算法中，dE为当前解与新的解的差。因为dE小于0，并且随着T增加exp(dE/kT)在(0,1)区间上单调递减，所以随着时间的推移，接受这个新解的概率会变小。在实际操作中可以用生成随机数的方式来模拟是否会选取这个解。在这里显然要设置三个参数：起始温度、终止温度、温度变化速度。要根据不同的题目进行不同的设置。模拟退火算法在计算机竞赛中也经常会用到。

例题：Haywire

题目链接

分析：通过枚举牛的排序状态来获取最优解，这里用到模拟退火来判断是否进行下一步。

#include<cstdio>
#include<iostream>
#include<cmath>
#include<stdlib.h>
using namespace std;

int n;
int a[15][5],p[15];
int ans;

int cal(){
	int sum=0;
	for(int i=1;i<=n;i++){
		for(int j=0;j<3;j++){
			int x=a[i][j];
			int c=p[x]-p[i];
			sum+=abs(c);
		}
	}
	return sum/2;//每头牛被算了两次 
}

void SA(){
	double T=100000,endT=1,cT=0.99;
	int x,y;//任意交换两头牛的顺序 
	while(T>endT){
		do{
			x=rand()%n+1;
		    y=rand()%n+1;
		}while(x==y);
		int tp=p[x];p[x]=p[y];p[y]=tp;
		int temp=cal();
		if(temp<ans){
			ans=temp;
		} 
		else{
			double px=(ans-temp)/T;
			double py=(double)rand()/RAND_MAX;
			if(px>py){
				tp=p[x];p[x]=p[y];p[y]=tp;
			}
		}
		T*=cT;
	}
}

int main(){
	scanf("%d",&n);
	for(int i=1;i<=n;i++){
		for(int j=0;j<3;j++)
		    scanf("%d",&a[i][j]);
		p[i]=i;//初始状态 
	}
	ans=cal();
	for(int k=0;k<=1000;k++)
	    SA();
	printf("%d",ans);
	return 0;
}

代码的思路是不难理解的，但是这里存在一个和爬山算法一样的问题，就是我们还是可能陷入局部最优解当中，而找不到全局最优解。并且这里是用随机数去模拟的，所以这个算法应当属于非完美算法。为了弥补非完美算法带来的不稳定性，只能多做几次模拟退火的过程，增大搜索的覆盖面，从而获得最优解。 但是次数增大难免会引起时间复杂度的增加，所以实际操作时需要注意平衡。