超简单易懂的模拟退火算法原理及其matlab代码实现

在介绍模拟退火算法之前，我们先认识一下爬山算法。

在爬山法寻找最优值的过程中，先随机生成一个点，计算其适应度值f(x)，然后再其左领域和右领域中依照步长各选取一个点计算其适应度值f(xleft),f(xright),比较其三者，将适应度最大值点作为下一次迭代的初始点，直至寻找到最大值点。

爬山算法是一种典型的贪婪算法是一种狭隘的没有顾及全局的算法，如图所示在使用爬山算法寻找最大值时容易陷入局部最优。

模拟退火算法原理

本文力求通俗易懂，故不在讲述物理层次的原理，我们回到爬山算法，爬山算法有一个非常重大的缺陷是容易陷入局部最优，并且陷入局部最优之后不能跳出。造成这样一种现象的原因是在每一次迭代中，我们采用贪婪的思想，只采用了最大值。

如图所示：按照爬山法的原理f(x)>f(xleft),所以将f(x)作为下一次迭代初值，而舍弃了可能更靠近全局最优值的f(xleft)。
所以引申出了一个议题：当左领域或者右领域的适应度值小于本身的适应度值，我们是否应该尝试去以一定的概率接受它来做下一次迭代的初值。

那么这个一定概率（p）到底是怎么计算的呢，按照咱们一般人的思维，当然是差距越小，咱们越容易去接受它。差距在函数寻找最优