模拟退火算法实例python

当然可以！以下是一个简单的模拟退火算法的示例代码，使用 Python 实现：

import math
import random

# 目标函数，这里以一个简单的函数为例
def objective_function(x, y):
    return math.sin(x) + math.cos(y)

# 模拟退火算法
def simulated_annealing(init_temp, final_temp, cooling_rate, num_iterations):
    # 初始化最优解和最优目标值
    best_solution = None
    best_value = float('-inf')

    # 随机初始化当前解
    current_solution = (random.uniform(-10, 10), random.uniform(-10, 10))
    current_value = objective_function(current_solution[0], current_solution[1])

    # 设置初始温度
    current_temp = init_temp

    # 迭代搜索
    for i in range(num_iterations):
        # 生成新解
        new_solution = (current_solution[0] + random.uniform(-1, 1),
                        current_solution[1] + random.uniform(-1, 1))

        # 计算新解的目标值
        new_value = objective_function(new_solution[0], new_solution[1])

        # 计算目标值差异
        delta = new_value - current_value

        # 判断是否接受新解
        if delta > 0 or random.random() < math.exp(delta / current_temp):
            current_solution = new_solution
            current_value = new_value

        # 更新最优解
        if current_value > best_value:
            best_solution = current_solution
            best_value = current_value

        # 降低温度
        current_temp *= cooling_rate

    return best_solution, best_value

# 参数设置
init_temp = 100
final_temp = 0.1
cooling_rate = 0.99
num_iterations = 1000

# 调用模拟退火算法
best_solution, best_value = simulated_annealing(init_temp, final_temp, cooling_rate, num_iterations)

# 输出结果
print("Best solution:", best_solution)
print("Best value:", best_value)

以上示例代码中的目标函数是一个简单的函数 `sin(x) + cos(y)`，你可以根据自己的需要替换成其他函数。模拟退火算法的参数可以根据具体问题进行调整，如初始温度、终止温度、冷却率等。

希望能帮到你！如果有任何问题，请随时提问。