總結一下看的這個部落格介紹的演算法流程，理解總結如下，有問題煩請指正：
1、基本情況是：有乙個解空間，每個解可以計算乙個目標函式f，演算法目的是尋找解使得目標函式最小；隨迭代逐漸變小的模擬溫度t(t)（控制接受目標函式變大的試探解更新為當前解的概率，rand()infinity時就是普通的梯度下降之列的演算法）
2、優化過程：
a、隨機給1個初始解作為當前解，計算當前目標函式，
b、以某種簡單的帶有隨機性的方式在當前解基礎上變化一下得到新試探解，變得不多，算試探解目標函式計算量會小一點；
c、如果 df<0 or (df>=0 and rand() < exp(-df/t(t)) 就讓試探解作為當前解，否者什麼也不幹；接下去回到a，迴圈l次後去到d；
d、是否滿足中止條件，滿足就輸出當前解；不滿足就按某種方式減小t，然後回到a
模擬退火演算法
w 模擬退火演算法的基本思想 將乙個優化問題比擬成乙個金屬物體，將優化問題的目標函式比擬成物體的能量，問題的解比擬成物體的狀態，問題的最優解比擬成能量最低的狀態，然後模擬金屬物體的退火過程，從乙個足夠高的溫度開始，逐漸降低溫度，使物體分子從高能量狀態緩慢的過渡到低能量狀態，直至獲得能量最小的理想狀態...
模擬退火演算法
一些求解極值的問題不能通過函式特性直接求解，只能暴力列舉，但是單純的列舉效率不高，通過模擬退火演算法可以高效的找到答案。學習好博文 最小圓覆蓋 hdu 3007 buried memory 大意 給出一些點，求出能覆蓋他們的最小的圓。輸出圓心和半徑 include include include i...
模擬退火演算法
1.模擬退火演算法認識 爬山演算法也是乙個用來求解最優化問題的演算法，每次都向著當前上公升最快的方向往上爬，但是初始化不同可能 會得到不同的區域性最優值，模擬退火演算法就可能跳出這種區域性最優解的限制。模擬退火演算法是模擬熱力學系統 中的退火過程。在退火過程中是將目標函式作為能量函式。大致過程如下 ...