python: 基于种群模拟退火算法解决单目标优化(试用于任意维的测试函数)

模拟退火算法是一种常见的演化算法之一，在单目标优化中有着不错的效果，适合我们将其应用在路径优化、数值模拟、参数优化等研究中。

首先，我们来了解一下模拟退火算法的原理步骤（该原理步骤是基于无种群思想）

模拟退火算法的原理：

 输入：温度T、退火控制参数k、初始点x0

输出：最优的自变量值、最大/最小值

（1）给定初始值温度T，退火控制参数k，初始点x0(该点为随机选择点),并计算f(x0)

（2）随机产生扰动r=(2*rand-1)*delt;新店x1=x0+r,同时计算f(x1)、f(x1)-f(x0)

 (3) Metropolis准则，若f(x1)-f(x0)>0,接受该点（更新x0），且接受概率为p=exp(-(f(x1)-f0)/T)，若p>r(r为0-1上的随机数)，接受该点（更新x0），否则放弃该点

（4）执行降温操作：T=T*k;返回（2）继续

（5）执行上述步骤，结束
 

但是面对多维的单目标测试函数时，很多人就不知道