对 模拟退火算法的理解 初步应用 以及 模板

一开始接触到 模拟退火算法，根本不知其为何物。然后根据一道我胡乱做错的题目(RQNOJ No.31)，竟然牵扯到了这个算法，最后竟然高速AC了，所以看来这个算法还是很厉害的。

首先，模拟退火算法 顾名思义，一定是与 模拟退火 有关的。这个算法利用了热力学中金属退火的概率计算公式：P(Δ E) = exp(Δ E / (k * T))，其中 k 是常数，T 是递减的。这个公式在算法中的应用，是计算接受非最优解的概率。

在搜索中，我们从当前状态可以转到很多状态。其中如果所转到的状态较当前状态更优，那么必须转到；但是如果所转到的状态并不如当前状态优，则我们需要考虑接不接受它，因为从 非最优状态 是有可能转到 更优状态 的。

于是我们可以利用 模拟退火 的计算公式：

设置参数 t, r, k, 分别表示 初始温度，每次降温的比率 和 每次所得温度的迭代次数。

在每次所得的温度下，我们所进行的每一次迭代都会得到一个新解，而这个新解有可能较上一次更优，也有可能相反。对于更优的解，我们一概接受之；而在相反的情况下，我们利用P(Δ E) = exp(Δ E / T)，其中Δ E 为前后两次 状态评估函数的差值（为负）。显然有 P 是属于 (0, 1) 的。利用该概率判断是否接受该新解。因为温度在下降，显然有该概率也会随着温度下降。这样所得的解将一定程度上收敛。事实证明（其实我也只做了一道题），这个算法的效率和效果很好。

下面上 RQNOJ No.31 的代码：