模拟退火算法超参数，模拟退火算法

模拟退火算法&#xe641是一种通用的概率演算法，用于在大的搜寻空间内寻找命题的最优解。该算法最早由Stanley K. Kirkpatrick&#xe641、C. D. Gelatt&#xe641和M. P. Vecchi&#xe641在1983年发明，后来V. Černý&#xe641也在1985年独立发明了这种方法。

模拟退火算法的思想借鉴于固体的退火过程。当固体的温度很高时，内能比较大，固体内的粒子处于快速无序运动状态。当温度慢慢降低，固体的内能减小，粒子逐渐趋于有序，最终固体处于常温状态，内能达到最小，此时粒子最为稳定。

模拟退火算法的流程可以分解为以下三个部分：

1. 初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)，每个T值的迭代次数L。
2. 迭代搜索：对k=1,……,L做第3至第6步。
   • 产生新解S′。
   • 计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数。
   • 若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接手S′作为新的当前解。
   • 如果满足终止条件则输出当前解作为最优解，结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法。

3. 温度更新：在每一次迭代后，根据一定的更新策略降低温度。常见的策略有线性降温和指数降温。

模拟退火算法具有概率的全局优化性能，理论上具有全局收敛性、隐含并行性及广泛的适应性。它适用于求解不同的非线性问题，对不可微甚至不连续的函数优化，能以较大概率求得全局最优解。此外，模拟退火算法还具有较强的鲁棒性，能够处理不同类型的优化设计变量，如离散的、连续的和混合型的。