智能优化算法——模拟退火法（Python实现）

目录

1 引言

2  模退火算法理论

3 模拟退火原理

4 模拟退火法数学模型 

6 模拟退火算法流程 

7 案例1

7.1 案例

7.2 Python实现 

7.3 结果 

8 案例2 

8.1 案例

8.2 Python实现 

8.3 结果 

---

1 引言

      模拟退火算法(Simulated Annealing，SA)的思想最早由 Metropolis等人于1953年提出;Kirkpatrick于1983年第一次使用模拟退火算法求解组合最优化问题。模拟退火算法是一种基于Monte Carlo迭代求解策略的随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。其目的在于为具有NP (Non-deterministic Polynomial)复杂性的问题提供有效的近似求解算法，它克服了其他优化过程容易陷入局部极小的缺陷和对初值的依赖性。模拟退火算法是一种通用的优化算法，是局部搜索算法的扩展。它不同于局部搜索算法之处是以一定的概率选择邻域中目标值大的劣质解。从理论上说，它是一种全局最优算法。模拟退火算法以优化问题的求解与物理系统退火过程的相似性为基础，它利用Metropolis算法并适当地控制温度的下降过程来实现模拟退火，从而达到求解全局优化问题的目的。模拟退火算法是一种能应用到求最小值问题的优化过程。在此过程中，每一步更新过程的长度都与相应的参数成正比&#