我们知道打铁匠，打铁的时候总是不断用水冷却铁器，最后打出来的铁就很坚实、锋利。这里的算法也是根据这个而来。
模拟退火算法(Simulated Annealing, SA)的思想借鉴于固体的退火原理，当固体的温度很高的时候，内能比较大，固体的内部粒子处于快速无序运动，当温度慢慢降低的过程中，固体的内能减小，粒子的慢慢趋于有序，整齐排列，最终，当固体处于常温时，内能达到最小，此时，粒子最为稳定。模拟退火算法便是基于这样的原理设计而成。
通俗点的说法：一个锅底凹凸不平有很多坑的大锅，如何晃动这个锅才能使得一个小球使其达到全局最低点。首先一开始就使劲晃，小球的变化也就比较大，如果掉到一个小坑里面也有几率掉出来，大趋势总是向底部滑下去。在趋于全局最低的时候慢慢减小晃锅的幅度，直到最后不晃锅，小球达到全局最低。
其他算法有时候经常就掉在小坑里出不来了，就是所谓的达到局部最小值。模拟退火算法的优点就是：就算达到局部最小值了，我也给你一个机会滑出来，如果你是全局最小值，就算滑出来了，最后也会滑进去的。
这个算法经常使用于旅行商问题(TSP)：就是要拜访n个地点，怎么走的距离最短。
解题思想：计算每两个地点之间的距离，得到距离矩阵。先一通乱走，计算一下走的距离。然后微调一下走的路线，如果调整过后的路线距离变变短了，就以这个路线作为下一步的基础，然后继续调整。但是如果路线变长了，我也给你一个概率，作为下一步的基础。但是这个概率会随着步数的增加，慢慢变小。最后这个概率也会趋于0，距离调整也会达到最小值。
总之如果要途径每一个点，方式就是一个1到N的数字排序问题，如果排序是1、7、4、2、9、6.。。。。，那么距离就等于W17、W74、W42、。。。。。等等，也就是下面的公式：
根据总距离公式，计算距离。然后微调，比如改变序列中两个数字的排序，得到新样本，然后再计算距离。
直到达到距离的最小值。
matlab代码：私信回复 模拟退火算法
閱讀更多 科研IT生活 的文章
