PPT由本人按照自己的学习思路整理出来的PPT，对应我的博客学习笔记，有错误的请指正（https://blog.csdn.net/weixin_43935696/article/details/107045716）

模拟退火算法（SA）能有效的解决局部最优解问题。压缩包内含模拟退火模型、Matlab程序和测试数据。简单的模型，自学更改参数。

模拟退火（SA）是解决多维全局优化问题的非常有用的随机方法，可确保收敛到全局最优。 本文提出了一种用于模拟退火程序的可变冷却因子（VCF）模型，作为一种确定最佳退火算法的新冷却方案，该算法称为Powell模拟退火（PSA）算法。 PSA算法旨在加快退火过程，并找到多个变量的测试函数的全局最小值，而无需计算其导数。 它已在二维的Rosenbrock谷和3、4和8的多极函数中被应用并与SA算法以及Nelder和Mead Simplex（NMS）方法进行了比较。 事实证明，PSA算法更可靠，并且始终能够以最少的迭代次数和计算时间找到最佳值或非常接近最佳值的点。 基于它们的相对冷却速率，VCF与Lundy和Mees，线性，指数和几何冷却方案相比具有优势。 PSA算法还经过编程，可以在可简化组合优化问题计算的android智能手机系统（ASS）上运行。

Introduction 复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作 粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉 模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量 蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多 自适应神经网络核心

背包问题，是指从n件不同价值、不同重量物品中按一定的要求选取一部分物品，并使选中物品的价值之和为最大的问题。其形式化描述如下：给定一个物品集合s={1,2，…，n},物品i具有重量 和价值 。背包能承受的最大载重量不超过W。背包问题就是找到一个物品子集 ，使得

本文件包括源码，实验说明文档，实验总结PPT Have a happy experiment！

模拟退火算法来源于固体退火原理，是一种基于概率的算法，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。

本资源包含了该实验的题目和C源码以及实验报告，下载者可以根据自己的要求修改提交课程设计