在简单的爬山过程中加入模拟退火

Question

我已经创建了一个爬山算法，它随机生成一个解决方案，然后复制该解决方案，并对其进行一点修改，看看最终是否会得到更好的解决方案。如果是这样，它将保留新的解决方案并丢弃旧的解决方案。

如果我想将模拟退火添加到这个算法中，我是否可以从更高的变异率开始，并在每次创建新的解时将变异率降低一点？

我假设变异率将作为模拟退火算法的温度，对吗？

Answer 1

变异率将作为退火的温度，但每次只选择更好的解决方案并不是一个完美的模拟退火。

您需要根据更好的选择和变异率来选择更好的选择。(例如，deltaE和温度)，以便您允许模拟退火走出局部最优。如果你一直选择最好的选择，你可能会陷入局部最优。