说明：以一个简单的例子说明模拟退火算法的思想。 模拟退火法求函数f(x,y) = 5sin(xy) + x^2 + y^2的最小值，对理解模拟退火算法是一个很好的程序示例。

说明：模拟退火c++的算法程序，广泛应用于最优化、运筹学、人工智能、遗传算法等领域，具有很好的学习价值

说明：本代码包包含一个模拟退火算法的c++程序。此外还有其他一些源码，这在该压缩包中，有一个readme文档，对其进行了详细说明。

说明：模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ为给定的步长， η为[－1,1]的随机数

说明：TSP问题（货郎担问题，旅行商问题）的模拟退火算法通用malab源程序

说明：Matlab的模拟退火算法工具箱，这是国外通用免费工具箱，在matlab环境下运行，具体使用说明见压缩文件

说明：由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。

说明：K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。

说明：求解tsp问题的模拟退火源码，数据文件请仿照文件中的input.txt自行创建

说明：采用的是康力山等人确定的实验参数。 对于n个城市的旅行商问题，其参数如下： 初始温度：t0=280, 每一个温度下采用固定的迭代次数L=100n, 温度的衰减系数alpha=0.92 算法停止的准则是当相邻两个温度得到的解变化很小时算法停止。

说明：模拟退火算法用于求解旅行商问题的matlab源程序

说明：模拟退火算法求解经典图论中的图着色问题的源程序

说明：98年全国大学生数学建模竞赛B题“水灾巡视问题”，是一个推销员问题，本题有53个点，所有可能性大约为exp(53),目前没有好方法求出精确解，既然求不出精确解，我们使用模拟退火法求出一个较优解,将所有结点编号为1到53,1到53的排列就是系统的结构,结构的变化规则是:从1到53的排列中随机选取一个子排列,将其反转或将其移至另一处,能量E自然是路径总长度。具体算法描述如下：步1： 设定初始温度T，给定一个初始的巡视路线。步2 ：步3 --8循环K次步3：步 4--7循环M次步4：随机选择路线的一段步5：随机确定将选定的路线反转或移动，即两种调整方式：反转、移动。步6：计算代价D，即调整前后的总路程的长度之差步7：按照如下规则确定是否做调整：如果D<0,则调整如果D>0,则按照EXP(-D/T)的概率进行调整步8:T*0.9-->T,降温

说明：神经网络中的tsp的模拟退火算法的matlab实现

说明：模拟退火算法的资料

说明：用模拟退火算法求解TSP问题

说明：简洁得模拟退火算法，用来求函数得极值问题，有兴趣得可以看看。里面提出了一个问题，有兴趣得可以做一个实验

说明：不知可以没?

说明：遗传算法和模拟退火算法相结合的并行实现

说明：使用模拟退火算法（SAA）解决0－1背包问题

说明：基于遗传算法的模拟退火

说明：模拟退火算法在贷款组合优化决策中的应用

说明：使用模拟退火算法解0－1背包问题MATLAB源代码

说明：boltzman 模拟退火算法例子

说明：混合SPMD 模拟退火算法及其应用

说明：模拟退火解巡视路线（Tsp）

说明：模拟退火算法求解TSP问题,求解TSP问题的模拟退火算法