一个闪亮的应用程序，通过模拟退火 MCMC 可视化简单的贝叶斯推理。

CANOPY（最初以“青年社区优化计划的计算算法”命名）是一种旨在帮助政策制定者解决复杂决策问题的算法。CANOPY 旨在协助城市规划流程，其特点是： 需要在空间中“优化”分配一些资源（例如公共资金或服务中心）； 该资源的大量候选接受者（例如要资助的地点或候选地点）； 定义“最优性”概念的复杂目标（例如，在数量和质量方面考虑多种因素，例如当地人口的多种特征）。

用于解决 3cnf-sat 问题的模拟退火算法的 Julia 实现。 用法： 可以通过main(name)在 main.jl 文件上使用 present 来调用模拟退火，其中name是 DIMACS cnf 格式的文件的路径。 tester.jl包含一个函数，它在一个目录上运行并对那里的所有输入文件执行模拟退火，并将输出保存到一个文件中。 更多详情、使用方法，请下载后阅读README.md文件

模拟退火.hs 在 haskell 中实现模拟退火以解决 3cfn-sat。

一个闪亮的应用程序，通过模拟退火解决旅行商问题。 效果展示：https://camo.githubusercontent.com/539b5d25901a6f70dc7ec740b90d9bd0b446c957af9e80f6930d96c0f0dd40d8/687474703a2f2f696d616765732e72617067656e6975732e636f6d2f30653163613835346362633330663333616263343631303866326261333866322e363430783634307834322e676966

效果展示： https://github.com/angary/simulated-annealing-tsp/raw/main/examples/world-tsp.gif 旅行商问题是一个众所周知的 NP-Hard 问题。给定一个城市列表，找到访问所有城市一次的最短路径。 模拟退火是用于解决优化问题的众所周知的随机方法，并且是用于解决 TSP 的众所周知的非精确算法。然而，它的有效性取决于初始参数，例如通常根据经验选择的起始温度和冷却速率。 该项目的目标是： 确定最佳起始温度和冷却速率是 否可以通过输入参数化 可视化 TSP 的求解过程 更多详情、使用方法，请下载后阅读README.md文件

现代 Fortran 模拟退火优化方法 建造 包含一个Fortran 包管理器清单文件，以便可以使用 FPM 编译库和测试用例。例如： fpm build --profile release fpm test --profile release 要simulated-annealing在您的 fpm 项目中使用，请将以下内容添加到您的fpm.toml文件中： [dependencies] simulated-annealing = { git="https://github.com/jacobwilliams/simulated-annealing.git" } 要使用ford生成文档，请运行：ford simulated-annealing.md 更多详情、使用方法，请下载后阅读README.md文件

为了帮助您使用 R中的空间模拟退火功能设计最佳空间样本配置 更多详情、使用方法，请下载后阅读README.md文件

模拟退火 这里有两件事。第一个是纯 Ruby 中模拟退火随机搜索过程的一个很好的通用实现。如果您将事物格式化为模拟退火问题，那么文件模拟退火.rb 应该在许多问题域中都很有用。第二个是针对特定问题域的模拟退火的具体实现：安排锦标赛。在这种情况下，我们正在安排一场辩论赛。该算法允许您指定不同的“权重”来赋予时间表的不同不良属性，然后搜索最佳时间表。事实证明，这是安排比赛的一种非常灵活的方式 更多详情、使用方法，请下载后阅读README.md文件

制作婚礼座位表是出了名的困难和耗时，特别是如果您完全分配座位而不是只将客人分配到一张桌子上。但这确实是一个组合优化问题。我决定我会喜欢花几个小时编码而不是手动优化。 这里使用的算法是模拟退火，主要是因为它工作得非常好并且很容易实现。因为它是如此简单，它也相当快，这意味着你可以利用蛮力的力量。经过几轮调优，我让它通宵运行。早上，我有一个座位表，它是评估 30.5 亿个候选图表的结果。非常好。 标准算法的一个有趣的转折是它不仅仅交换单个座位；最多将交换整面。此外，它花费 90% 的时间在表内进行优化，只是偶尔在表之间移动组。 更多详情、使用方法，请下载后阅读README.md文件