详解Python使用模拟退火算法求解列表“最大值”

模拟退火算法可以看作是爬山算法的一种改进，如果前方有更优解就前进，如果没有更优解就以一定概率前进。与简单的爬山算法相比，模拟退火算法有可能跳出局部而得到全局最优解，但也有可能得到更差的解，算法参数的设置非常重要。

def simAnnealingMax(lst, howFar):

    '''

    lst:待确定最大值的列表

    howFar:爬山时能看到的“最远方”，越大越准确

    '''

    #由于切片是左闭右开区间，所以howFat必须大于1

    assert howFar>1, 'parameter "howFar" must >1'

    

    #从列表第一个元素开始爬

    #如果已经到达最后一个元素，或者已找到局部最大值，结束

    start = 0

    ll = len(lst)

    #随机走动的次数

    times = 1

    while start <= ll:

        #当前局部最优解

        m = lst[start]

        #下一个邻域内的数字

        loc = lst[start+1:start+howFar]

        #如果已处理完所有数据，结束

        if not loc:

            return m

        #下一个邻域的局部最优解及其位置

        mm = max(loc)

        mmPos = loc.index(mm)

        #如果下一个邻域内有更优解，走过去

        if m <= mm:

            start += mmPos+1

        else:

            #如果下一个邻域内没有更优解，以一定的概率前进或结束

            delta = (m-mm)/(m+mm)

            #随机走动次数越多，对概率要求越低

            if delta <= random()/times:

                start += mmPos+1

                times += 1

            else:

                return m

函数用法为：

from random import randint

lst = [randint(1, 100) for i in range(200)]

print(simAnnealingMax(lst, k))