模拟退火算法

1、抓住关进内容进行理解。

2、 两个关键点：一个解的变换，怎么变换是个关键；一个是怎么找到更优的解；
（1）解的变换可以根据问题来进行，比如模拟退火大都会说道tsp问题，所以一个解代表着一条路径，变换的方式可以自己定义，如果解是0,1表示的，那么就可以用0,1变换的方式，或者是实数解，可以有一个扰动进行加减；
（2）怎么找到更优的解。当进行变化了以后，就可以得到新的解，然后进行比较，soluntion_new 比 soluntion_old更优的话，可以替代；但是，如果不是更优的话，那么可以按照一定的比例进行接收，这个时候是随机的方式接收这个新解；

3、怎么接收不是更好的解呢？随机的，用一个rand值 和 新解与旧解的差值与温度的比值进行比较，如果小于，那么就接收，大于就不接受。

这个公式中，温度t是变化的，随着时间的推移，t是减少的，那么p的概率值就会下降，而rand产生的值会大于p，也就是说 随着时间的推移，我一般就不会接收不是更优的解，只是一开始，我会接收，因为一开始可以给机会，后面就不给机会了。

4、 按照模拟退火的原理，就是一开始温度高，解 是活跃的，可以多多的接收，随着时间的推移，最要要进行淬火处理，温度是下降的，解 就不能太活跃了，基本趋于稳定状态了。

5、代码的细节：
（1）循环次数1，可以设置一个循环m，用于不同温度下的变换，寻找更优的解，每一次循环，都会在不同的温度下进行计算，这样代表的温度在下降，也就是退火的阶段；
（2）循环次数2，再设置一个循环n，用于同一个温度下，寻找更优的解；
（3）每次解的变换，怎么保存更优的解，是保存一个，还是几个呢？也就是用群体的方式，还是一个个体的方式。当然，现在模拟退火是个体的方式；