模擬退火，有點類似于三維空間中的爬山法

目的在于在這個局部中，逼近全局最優(yōu)解。

模擬退火的算法，初始節(jié)點為隨機(jī)生成

對于當(dāng)前節(jié)點的后繼節(jié)點，也隨機(jī)生成

但是對于由后繼節(jié)點替換當(dāng)前節(jié)點的規(guī)則，既非用最大最小值替換（最陡峭版本爬山法），也非用隨機(jī)的后繼節(jié)點替換當(dāng)前節(jié)點（隨機(jī)爬山法），

而是以概率p來接受價值更高的后繼節(jié)點替換當(dāng)前節(jié)點，這個概率p，相當(dāng)于模擬退火算法的溫度

直到解具有比當(dāng)前閾值最低的值，或者迭代次數(shù)已經(jīng)到達(dá)設(shè)定值，兩個狀態(tài)之一的情況下

類似于凝固狀態(tài)，則返回該節(jié)點作為solution

模擬退火算法邏輯說明

設(shè)定初始參數(shù)problem，定義為問題狀態(tài)

參數(shù)schedule ，相當(dāng)于時間t 到 溫度T的映射表

將問題的初始狀態(tài)定義為current 當(dāng)前節(jié)點

循環(huán)：以時間t 從1到無窮大，進(jìn)行循環(huán)

? ? ? ? 當(dāng)使用schedule函數(shù)，將時間t映射為溫度T的函數(shù)

? ? ? ? 如果溫度為0，則返回當(dāng)前的節(jié)點（這里的溫度是絕對溫度，如果溫度為絕對零度，那已經(jīng)是最小值），退火過程也肯定結(jié)束了

? ? ? ? 如果溫度不為0，則隨機(jī)選擇當(dāng)前的后繼節(jié)點最為當(dāng)前節(jié)點

? ? ? ? 用后繼節(jié)點的問題，減去當(dāng)前節(jié)點的溫度，記作能量值 E

? ? ? ? 如果這個能量值大于0， 則基于概率p，將next 后繼節(jié)點， 作為curren當(dāng)前節(jié)點，進(jìn)行下一輪迭代。

模仿自然選擇過程的遺傳算法

遺傳算法，是進(jìn)化算法的一類

用遺傳算法解決8皇后問題

相當(dāng)于將兩個不同解，互相雜交，各取沒有問題的一段互相雜交。

直至找到更優(yōu)的狀態(tài)解

遺傳算法的邏輯

初始設(shè)定兩個參數(shù)， 種群 population，個體的集合

適應(yīng)性函數(shù) FITNESS-FN，用于度量個體適應(yīng)性的度量功能函數(shù)

循環(huán)：

? ? 設(shè)置新的種群為空集合

? ? 以種群的規(guī)模，作為循環(huán)的次數(shù) （從1-種群規(guī)模進(jìn)行循環(huán)）

? ? ? ?隨機(jī)以x，y切分種群，且進(jìn)行雜交運算，將mutate的xy子節(jié)點作為新的種群。