模拟退火算法原理与算法包

 模拟退火算法的原理
http://www.cnblogs.com/heaad/archive/2010/12/20/1911614.html#!comments这篇博文讲的蛮好的，在这就不再累述了，只对具体算法中的基本概念进行较详细的解释

基本概念

1. 目标函数
    目标函数即为待优化的函数，与固体退火过程中的内能类比。在调用函数simulannealbnd来使用现成的工具包时，需要将目标函数编写为M文件或inline函数
    需要注意的是，SAT是以求最小值为目标进行优化的。如果要求最大值，乘个-1就好了

2. 温度
    当前解$x$类比固体退火过程中的温度$T$。温度一方面决定SA以多大的概率接受新解，另一方面，它也限制SA产生新解与当前解之间的距离，也即SA的搜索范围
    以多大概率接受新解在后面的Meteopolis准则中会有具体介绍，而限制SA的搜索范围这点可以这么理解：
    模拟退火算法是模拟固体的退火过程，实际过程中温度越高，单位时间内内能下降的就越快，对应的温度变化也就越大，而温度越低，单位时间内内能下降的就越慢，对应的温度变化也就越大。所以温度限制了SA的搜索范围

3. 退火进度表
    退火进度表是指温度随着算法迭代的下降速度，退火过程越缓慢，SA找到全局最优解的机会就越大，对应的运行时间也会增加。退货进度表包括初始温度和温度更新函数等参数

4. Meteopolis准则
    以$x_i$和$x_{i+1}$代表旧解和新解，则SA接受新解的概率为
   

   P=⎧⎩⎨