100种算法【Python版】第43篇——优化算法之模拟退火算法
1 算法说明模拟退火（Simulated Annealing, SA）算法最早由斯图尔特·西尔伯特和约瑟夫·斯图尔特于1983年提出，灵感泉源于金属退火过程。金属在加热后会变得更加柔软，冷却时逐渐形成有序的晶体结构，终极达到能量最低的状态。模拟退火算法借鉴了这一物理过程，通过随机搜索和渐渐降低“温度”的方式，寻找复杂优化标题的全局最优解。
模拟退火算法的焦点
模拟退火算法的焦点思想是利用随机性和温度控制来平衡探索和开辟之间的关系。
[*]温度概念：算法利用温度来控制担当新解的概率。较高的温度答应算法担当较差的解，以避免陷入局部最优；而较低的温度则更倾向于担当更优解。
[*]目标函数：算法通过不断评估目标函数的值来判断解的优劣。
[*]邻域解生成：在当前解的根本上生成一个邻域解，通常通过对当前解举行小幅随机扰动实现。
[*]担当准则：
[*]假如新解优于当前解，直接担当。
[*]假如新解劣于当前解，以肯定概率担当，概率由以下公式计算：
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。
页:
[1]