数学建模|前馈神经网络优化之模拟退火算法（解决初值依赖）

目录

1 模拟退火算法原理

[爬山算法]局部搜索更优解
[模拟退火]
名字起源：将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。
特点：

• 搜索过程引入随机因素（以一定的概率来接受一个比当前解要差的解）
• 并不一定能找到全局的最优解，但可以比较快的找到问题的近似最优解

2 算法步骤

模拟退火算法的基本思想是：由初始解和控制参数初值开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减控制参数值，算法终止时，当前解的值即为近似最优解，这便是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。