模拟退火算法是一种随机寻优算法，源于固体退火原理，用于解决组合优化问题。文章介绍了算法的基本思想、状态空间、邻域函数、状态转移概率、冷却进度表、初始温度选择以及循环终止准则，并提供了Python实现示例，展示了算法如何逼近函数在[0,100]范围内的最小值。"
83014880,7356199,LeetCode 76: 最小覆盖子串-滑动窗口解法,"['算法', '字符串', '滑动窗口', 'LeetCode']
模拟退火算法(SimulatedAnnealing)是基于Monte-Carlo迭代求解策略的一种随机寻优算法,主要用于组合优化问题的求解。
假设现在有这么一个函数：
现要求其在[0,100]范围内的最小值，如果不求导计算，可能第一反应都是穷举法，把范围内每个值都算一遍再比较大小。如果求的是整数范围，那么要算100遍，但是如果要精确到小数后8位，则要算10000000000次，即便使用计算机依然是一个庞大的运算过程。而优化问题中很多都类似于问题，无法用穷举法解出答案，我们叫这类问题为NP难问题（可查看维基百科：NP-hard），于是，有人提出了爬山法：
但是这个方法的缺点在于最优解的产生依赖于最初值的选取，无法解决非凸函数，即容易收敛于局部最优解：
同时，也无法解决有平台的函数：
最低0.47元/天 解锁文章
扫一扫
1393
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
