模拟退火

1.起源

模拟退火（Simulated Annealing，SA）是一种启发式算法，用于在大规模搜索空间中寻找最优解或接近最优解的解。其灵感来自于固体物理学中的固体退火过程，即将材料加热到足够高的温度并逐渐冷却，从而使其原子或分子的排列达到最稳定的状态。

2.原理

模拟退火算法是一种用于求解大规模组合优化问题的随机搜索算法，利用问题的求解过程与熔化物体退火道过程的相似性,采用随机模拟物体退火过程来完成问题的求解，t也就是在控制参数(温度)的作用下对参数的值进行调整，直到所选取的参数值最终使能量函数达到全局极小值。

3.步骤

1.初始化： 

        针对问题选择合适的目标函数f作为能量函数E；

        确定起始温度、终止温度、冷却率、单一迭代次数；

2.设定起始迭代次数t=0,产生初始状态X0，计算能量E0;

3.以目前解为中心由状态产生函数产生新的邻近解X1，计算能量E1；

4.采用Metropolis接受法则比较两状态的能量，判决是否接受X1，若接受，则令当前状态为X1,若不接受，仍为X0；

Metropolis接受法则：以概率接受新状态，若Ej<Ei，则接受j为当前状态；

否则，若概率p=exp[-(Ej-Ei)/KT]大于[0,1)区间的随机数，则仍接受状态j为当前状态；

若不成立，则保留状态i为当前状态。

5.更新迭代次数，判断是否达到设定的阈值k，若是则进行降温；

6.判断温度是否达到终止温度，若是则顺序执行step7,若否则转到step3；

7.当前解作为最优解输出。