将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合，提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA)．以十杆桁架为例对此算法进行了数值实验，并将实验结果与其他优化方法相比较．算例结果表明，遗传模拟退火算法的寻优概率是100％，平均进化代数为35代，其稳定性和求解效率均高于改进的遗传算法．实验结果显示，遗传模拟退火算法在整体搜索同时，采用退火操作进行局部搜索，提高了算法的局部搜索能力，有效克服了遗传算法迭代缓慢的缺点，把遗传模拟退火算法用于钢桁架离散变量的

模拟退火解决tsp问题，有注释，matlab代码，可以与其他算法融合

在管理科学、计算机科学、分子物理学和生物学以及超大规模集成电路（VLSI）设计、代码设计、图象处理和电子工程等科技领域中，存在着大量组合优化问题。其中许多问题如货郎担问题、图着色问题、设备布局问题以及布线问题等，至今没有找到有效的多项式时间算法。这些问题已被证明是 NP 宪全问题。
用最优算法如线性规划求 NP 完全问题的最优解，需要问题规模的指数阶时间，在问题规模增大时，往往由于计算时间的限制而丧失可行性。用近似算法如贪心法求解 NP 完全问题，在多项式界的时间里，只能给出近似最优解。
本章介绍组合优化问题和计算复杂性理论的基本概念，并结合几个组合优化的 NP 完全问题实例，介绍其近似算法。 最后，在引入邻域结构概念的基础上，介绍一种通用的近似算法——局部搜索算法。


基于模拟退火算法的数字岩心建模方法

基于模拟退火算法的TSP最短路径搜索仿真带GUI界面，可以设置初始温度，迭代次数以及城市数量，matlab2021a测试。

旅行商 模拟退火算法SA

使用C++实现的模拟退火算法，解决DSP问题

模拟退火算法，java实现TSP问题的解决实例，把代码放在了TXT里面，直接copy运行就可以了

详细介绍了模拟退火算法的背景，原理，思想，及应用和改进的方法

城市TSP问题优化对比蚁群算法和模拟退火算法matlab2021a仿真测试。 m=50; %m 蚂蚁个数 Alpha=1; %Alpha 表征信息素重要程度的参数 Beta=5; %Beta 表征启发式因子重要程度的参数 Rho=0.1; %Rho 信息素蒸发系数 NC_max=180; %最大迭代次数，这里设置为180，参考了遗传退火算法的执行迭代次数，控制变量 Q=100; %信息素增加强度系数