[模拟退火的兄弟]模拟上火

让我们又来发一句：

发布于博客园，未经本人允许，不可转载。（你就别把这种睿智文章发到其他地方丢我脸了吧）

目前你能在这几个地方看到：博客园，洛谷

 

前言

众所周知·，有一种绝妙的算法　—— 　SA 也就是模拟退火。

它是解决TSP问题的比较优秀方法之一。

它的解决方案是先定一个极大的范围，然后不断缩小范围。

但是范围实在是太大了，我们在这个巨大的范围内浪费了很多时间。

因此，优化的办法——模拟上火，就来了。

 

举这个例子

当然由于本人太菜，模拟上火只能拿89分，可能是参数调的不完美。

但是时间从926ms→261ms，基本上飞起来。存在毒瘤翻车情况（跑几次模拟上火都A不了的），因此模拟上火适用的范围是：

数据太大，一般的模拟退火T到飞起，因此需要缩小到一个合适的范围。

一般来说，一个峰比较少的函数，或者比较密集的函数，我们可以用到模拟上火

下面我们就来说一下模拟上火的主要函数确定温度的fever函数

double fever(int age)  //age指的是迭代次数
{
    double nx,ny;
    nx=ax,ny=ay;
    double t=max(bt,1.1)+rand()/10.0;
    double dt=((rand()%1000)/100000.0)+1.1;  //dt指的是升温系数
    while(age)
    {
        double tx,ty;
        age--;
        tx=nx+(rand()*2-RAND_MAX)*t;
        ty=ny+(rand()*2-RAND_MAX)*t;
        double nowe=getengry(tx,ty);  
        if(nowe<lans) lans=nowe,nx=tx,ny=ty,ax=tx,ay=ty,age+=5;   //找到比你好了的，多活几年吧
        else if(exp(-nowe/t)*RAND_MAX>rand()) nx=tx,ny=ty,age-=5; //你就是最好了的，折寿
        t*=dt;
    } 
    return t;
}

于是经过本人（yy出来的）模拟上火，就弄出来了

对了，如果你真的要好好去学模拟退火，这篇文章你可以关了。

如果这篇文章对你有帮助的话，请马上关闭这个页面，这才是对你的帮助。

由于是yy了一个标题，所以瞎写写了一般，文章内容绝对无学术意义(应该

另外，我是等这篇文章被爬