模拟退火算法单目标规划

模拟退火算法是一种启发式全局优化方法，主要用于解决复杂的问题，特别是那些具有多个局部最优解的情况，例如单目标规划问题。在单目标规划中，目标是找到一个问题的一个最优解，而不是一组解。这种算法借鉴了金属冷却过程中的晶格结构转变的原理。

核心思想是通过随机搜索（类似于温度下的粒子移动）寻找解决方案，并引入一个称为“接受概率”的机制，允许从较差解向更好解或偶尔接受更差解以跳出局部最优。初始时，系统处于高温状态，可以接受较大的“能量”变化（即偏离当前最优解），随着迭代次数的增加（模拟退火过程中温度逐渐降低），算法会越来越倾向于接受接近最优解的变动，直到达到预定的冷却准则或达到预设的迭代次数为止。

模拟退火算法的特点包括：
1. 非确定性和概率性质：每个决策基于一定的概率，增加了搜索的灵活性。
2. 局部搜索能力：虽然不是严格全局搜索，但在很多情况下能收敛到近似的全局最优解。
3. 可用于连续和离散优化问题。