基于退火算法的启发式下料问题（C++）

刚刚做完最优控制的大作业，总结下所用的模拟退火算法，谈谈自己的理解。

1. 问题描述

问题就是典型的下料问题。把板材切割成要求数量和规格的产品。其中，输入为板材的大小、产品的数量和大小，输出为余料率、产品的坐标。

具体算法概述参见百度百科吧模拟退火

2. 自己的理解

退火过程中的每个金属分子有能量和状态两种属性，将能量最低时的状态记做r，能量和状态的概率有对应关系，能量越高，分子状态为r的概率越低，反之在最低温度时，r状态的概率趋近于1。将组合优化问题看做金属，解看做状态，那么最优解就是能量最低的状态，同时也定义一个费用函数来表示能量，通常都用T乘某个略小于1的系数。当T值比较高时，状态变化比较活跃，当T值达到最低时，达到最优解的概率趋近于1。

第一次接触模拟退火算法，表示这的确是一个不错的方法。对于求最优解的问题，的确能节约不少计算时间。模拟退火算法的精髓就在于其将收缩和扩张动态结合在一起，得到最优解是收缩的过程，而为了避免陷入局部最优解，又得有扩张的表现。再次印证了我一直以来坚信的一个想法，大自然演化的很巧妙，如果有什么无法解决的问题，或者想有什么创新，就到大自然中去找吧，哈哈，说多了。下面具体谈谈模拟退火。

3. 算法详细讲解

3.1 算法步骤

1. 任选一初始解$x_0$。 给定初始温度$T_{max}$;
2. 若在该温度达到内循环停止条件，转第3步，否则，从解邻域