请用python写一段模拟退火代码用于5个参数优化

以下是一段模拟退火算法的示例代码，用于优化5个参数（即x1、x2、x3、x4、x5），根据实际情况可以自行修改目标函数（即cost_func）和参数范围（即bounds）：

import numpy as np

# 定义目标函数
def cost_func(x):
    return x[0]**2 + x[1]**2 + x[2]**2 + x[3]**2 + x[4]**2

# 定义参数范围
bounds = [(0, 100), (0, 100), (0, 100), (0, 100), (0, 100)]

# 定义初始解和初始温度
x_init = [50, 50, 50, 50, 50]
T = 100

# 定义冷却参数
alpha = 0.99
min_T = 1e-8

# 迭代优化过程
x_current = x_init
cost_current = cost_func(x_current)

while T > min_T:
    for i in range(100):
        # 生成新解
        x_new = np.zeros(5)
        for j in range(5):
            x_new[j] = np.random.uniform(bounds[j][0], bounds[j][1])
        cost_new = cost_func(x_new)

        # 判断是否接受新解
        delta_cost = cost_new - cost_current
        if delta_cost < 0:
            x_current = x_new
            cost_current = cost_new
        else:
            p = np.exp(-delta_cost / T)
            if np.random.uniform(0, 1) < p:
                x_current = x_new
                cost_current = cost_new

    # 降温
    T = T * alpha

# 输出结果
print('优化结果：', x_current)
print('最小成本：', cost_current)

在上面的示例代码中，我们使用了numpy库中的random.uniform函数生成新解，同时使用指数函数计算接受新解的概率。将该代码修改为具体的目标函数和参数范围即可使用。