【oiwiki-模拟退火】

转载于：模拟退火

---

模拟退火解决问题：求多峰 / 多谷函数的最值。

需要满足条件： 函数要有一定的连续性，即函数值不能过于随机。

---

先用一句话概括： 如果新状态的解更优则修改答案，否则以一定概率接受新状态。

模拟退火时我们有三个参数：初始温度 $T_0$ ，降温系数 $d$ ，终止温度 $T_k$ 。其中 $T_0$ 是一个比较大的数， $d$ 是一个非常接近 $1$ 但是小于 $1$ 的数， $T_k$ 是一个接近 $0$ 的正数。

首先让温度 $T=T_0$ ，然后进行一次转移尝试，再让 $T=d\cdot T$ 。当 $T<T_k$ 时模拟退火过程结束，当前最优解即为最终的最优解。

注意为了使得解更为精确，我们通常不直接取当前解作为答案，而是在退火过程中维护遇到的所有解的最优值。

转移尝试：

我们定义当前温度为 $T$ ，新状态与已知状态（由已知状态通过随机的方式得到）之间的能量（值）差为 $\Delta E(\Delta E⩾0)$ ，则发生状态转移（修改最优解）的概率为

$$P(\Delta E)=\{\begin{array}{ll}1& \text{新状态更优}\\ e^{\frac{-\Delta E}{T}}& \text{新状态更劣}\end{array}$$

---

卡时

有一个 clock() 函数，返回程序运行时间。

可以把主程序中的 simulateAnneal(); 换成 while ((double)clock()/CLOCKS_PER_SEC < MAX_TIME) simulateAnneal(); 。这样子就会一直跑模拟退火，直到用时即将超过时间限制。

这里的 MAX_TIME 是一个自定义的略小于时限的数（单位：秒）。

---

3167. 星星还是树

问题：求二元函数的极小值。

核心代码：

double ans = 1e18;

double rand(double l, double r) {
    return double(rand()) / RAND_MAX * (r - l) + l;
}

double f(PDD p) { /* */ ; return /* */; }

void saa() {
    PDD p = {rand(0, 1e4), rand(0, 1e4)}; // 在值域范围随机一个初始点
    for(double t = 1e4; t > 1e-4; t *= 0.99) { // 迭代步长，t 初始值一般为值域宽度
        PDD np = {rand(p.fi - t, p.fi + t), rand(p.se - t, p.se + t)};
        double fnp = f(np), fp = f(p);
        ans = min({ans, fnp, fp});
        if(exp(- (fnp - fp) / t) > double(rand()) / RAND_MAX) p = np;
    }
}

int main()
{
    while(double(clock()) / CLOCKS_PER_SEC < 0.9)
        saa();
      
    cout << fixed << setprecision(0) << ans;
}