元启发式方法之模拟退火算法

模拟退火也叫做蒙特卡罗退火、统计冷却、概率爬山、随机松弛和概率交换算法，它来自于对热力学过程的模拟。为了生成规则晶体，先将原材料加热到熔化状态，再将晶体熔融液徐徐降温，使之凝固成晶体结构。在冷却过程中，如果降温太快，则会带来一些不良后果，特别是导致所形成的晶体不够规则，并且能量远远高于一个完美结构的晶体。物理系统和优化问题之间有明显的相似点，例如，物理系统中的能量就相当于优化问题的评估函数；快速淬火就相当于局部搜索；徐徐退火就相当于模拟退火的过程；温度就相当于模拟退火的控制参数T（后面有详细内容）等等。

在搜索过程中如果过早结束，就会陷入局部最优的情况，为了跳出局部最优，引入一个接受概率P和参数T。在当前解的邻域内选择一点，如果比当前解好，则总是接受它；如果没有当前解好则以接受概率接受它。注意，接受概率中的T是随着时间从大到小变化的（冷却温度），一开始T值很大，近似于随机搜索（随机选择当前解）；后来T很小，近似于普通搜索法（选择最优作为当前解）。其中接受概率的定义为：

 

这是针对极大化问题的，如果是极小化问题则只需将指数的分子的两个变量交换位置。

由公式可以看出，当T很大时，则两个点的质量竞争的重要性就很小，对结果影响不大，这是概率接近于0.5，等同于随机选取；当T很小（T=1&#