初探模拟退火算法

本文源于计算智能算法课程的总结，

内容来自老师提供的教材，

感谢老师的辛勤工作。

模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化。

使用模拟退火算法目的，

是为了解决NP复杂性问题，克服优化过程中陷入局部极小和克服初值依赖性。

首先需要理解物理退火的概念

退火：退火是指将固体加热到足够高的温度，使分子呈随机排列状态，然后逐步降温使之冷却，最后分子以低能状态排列，固体达到某种稳定状态。

加温过程：增强粒子的热运动，消除系统原先可能存在的非均匀态

等温过程：对于与环境换热而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行，当自由能达到最小时，系统达到平衡态

冷却过程：使粒子热运动减弱并渐趋有序，系统能量逐渐下降，从而得到低能的晶体结构

物理的退火过程，在热力学中指物体逐渐降温时发生的物理现象。

退火需要一个缓慢降温的过程，如果降温速度过快，将会导致不是最低能态的非晶形。

模拟退火算法

模拟退火算法就是这样一个模范自然界的退火过程，利用了物理中固体物质的退火过程与一般优化问题的相似性。

模拟退火算法基本思想：在一定温度下，搜索从一个状态随机地变化到另一个状态；随着温度的不断下降直到最低温度，搜索过程以概率1停留在最优解。