粒子群 模拟退火 蚁群算法MATLAB实现，采用了TSP数据进行实验。

数学建模国赛获奖论文分类整理，使用模拟退火算法做的论文集合，可以系统的学习模拟退火算法在数学建模中的应用，非常有用。

常用的MATLAB算法解读及源码实现合集（禁忌搜索算法,遗传算法 模拟退火算法,神经网络算法等等）

模拟退火算法.rar_算法解读与代码

模拟退火遗传算法 源程序.详细描述了一个模拟退火遗传算法例子 。

嫦娥三号软着陆轨道设计与控制策略 问题: 嫦娥三号于2013年12月2日1时30分成功发射，12月6日抵达月球轨道。嫦娥三号在着陆准备轨道上的运行质量为2.4t，其安装在下部的主减速发动机能够产生1500N到7500N的可调节推力，其比冲（即单位质量的推进剂产生的推力）为2940m/s，可以满足调整速度的控制要求。在四周安装有姿态调整发动机，在给定主减速发动机的推力方向后，能够自动通过多个发动机的脉冲组合实现各种姿态的调整控制。嫦娥三号的预定着陆点为19.51W，44.12N，海拔为-2641m（见附件1）。 嫦娥三号在高速飞行的情况下，要保证准确地在月球预定区域内实现软着陆，关键问题是着陆轨道与控制策略的设计。其着陆轨道设计的基本要求：着陆准备轨道为近月点15km，远月点100km的椭圆形轨道；着陆轨道为从近月点至着陆点，其软着陆过程共分为6个阶段（见附件2），要求满足每个阶段在关键点所处的状态；尽量减少软着陆过程的燃料消耗。 根据上述的基本要求，请你们建立数学模型解决下面的问题： （1）确定着陆准备轨道近月点和远月点的位置，以及嫦娥三号相应速度的大小 与方向。 （2）确定嫦娥三号的着陆轨道和在6个阶段的最优控制策略。 （3）对于你们设计的着陆轨道和控制策略做相应的误差分析和敏感性分析。

针对旅游景区路径规划问题的复杂性,将景区路径分为全景区图和子景区图,并归为同一问题解决。提出一种改进蚁群算法,设计繁殖蚂蚁、视觉蚂蚁和普通蚂蚁,各类蚂蚁按各自规则遍历;蚂蚁遍历完所有景点,求出最佳行程MIN,并根据约束条件对符合要求的路径上的信息素进行更新;再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中表现出良好的稳定性和高效性。

Adaptive Simulated Annealing (ASA) is a C-language code developed to statistically find the best global fit of a nonlinear constrained non-convex cost-function over a D-dimensional space. This algorithm permits an annealing schedule for "temperature" T decreasing exponentially in annealing-time k, T = T_0 exp(-c k^1/D). The introduction of re-annealing also permits adaptation to changing sensitivities in the multi-dimensional parameter-space. This annealing schedule is faster than fast Cauchy annealing, where T = T_0/k, and much faster than Boltzmann annealing, where T = T_0/ln k. ASA has over 100 OPTIONS to provide robust tuning over many classes of nonlinear stochastic systems.

QC-LDPC 码和 MET QC-LDPC 码的模拟退火提升 Vasiliy Usatyuk 和 Ilya Vorobyev 用于构建高周长 QC-LDPC 代码的模拟退火方法第 41 届电信和信号处理 (TSP) 2018 年国际会议的源代码，7 月 4 日至 6 日，希腊雅典。 它从具有所需最小 EMD 值的原图构造具有多个边缘类型循环的规则和不规则 QC-LDPC 代码。 关于图构建相关问题的代码的简短评论 (ENG) 。 模拟退火优于所有当前发布的算法（PEG、QC-PEG、Fossorier-Declercq-Vasic 改进的 PEG、Yedidia Hill-Climbing），并根据循环破坏能力构建 QC-LDPC 代码，详情请阅读论文 。 结合基于代码距离的筛选（对于短代码和中等代码长度），它允许构建具有非常好的（可能是当前最先进的）编码增益的 QC 代码。

基于蚁群和模拟退火算法的聚类新方法.pdf