python 物理公式计算_模拟退火算法（Simulated Annealing，SA）的全面讲解及python实现...

https://blog.csdn.net/Trisyp/article/details/104953406

抽象来源：美国物理学家Metropolis等人在1953年发表研究复杂系统，计算其中能量分布的文章时，使用蒙特卡洛模拟法计算多分子系统中分子能量分布。Kirkpatrick等人受其启发而发明了“模拟退火”这个名词，它模仿冶金过程中的退火原理，因为寻找问题的最优解(最值)即类似寻找系统的最低能量。因此系统降温时，能量也逐渐下降，而同样意义地，问题的解也“下降”到最值

核心思想：在冶金退火过程中，退火(annealing)现象指物体逐渐降温的物理现象，温度愈低，物体的能量状态会低，系统内部分子的平均动能逐渐降低，分子在自身位置附近的扰动能力也随之下降，即分子自身的搜索范围随着温度的下降而下降。足够低后，液体开始冷凝与结晶，在结晶状态时，系统的能量状态最低。但是，如果过程过急过快，快速降温(亦称「淬炼」，quenching)时，会导致不是最低能态的非晶形。利用该特性，我们可以对给定状态空间(待求解空间)内的某个状态产生函数(待求解函数)的最值进行求解。在高温状态下，由于分子的扰动能力较强，对较差状态(远离最值所对应的状态)的容忍性高，因此可以在给定状态空间内进行全局的随机搜索，从而有较高概率跳出局部极值。随着温度的逐渐下降，分子的扰动能力减弱，对较差状态的容忍性随之降低，导致此时的全局随机搜索能力下降，相应地对局部极值的搜索能力上升。综合整个退火过程，在理想情况下，最终解应该对应于给定状态空间内的最值。

物理过程图示：如下图所示，首先(左图)物体处于非晶体状态。