让我们又来发一句：
发布于博客园，未经本人允许，不可转载。（你就别把这种睿智文章发到其他地方丢我脸了吧）
目前你能在这几个地方看到：博客园，洛谷
前言
众所周知·，有一种绝妙的算法 —— SA 也就是模拟退火。
它是解决TSP问题的比较优秀方法之一。
它的解决方案是先定一个极大的范围，然后不断缩小范围。
但是范围实在是太大了，我们在这个巨大的范围内浪费了很多时间。
因此，优化的办法——模拟上火，就来了。
举这个例子
当然由于本人太菜，模拟上火只能拿89分，可能是参数调的不完美。
但是时间从926ms→261ms，基本上飞起来。存在毒瘤翻车情况（跑几次模拟上火都A不了的），因此模拟上火适用的范围是：
数据太大，一般的模拟退火T到飞起，因此需要缩小到一个合适的范围。
一般来说，一个峰比较少的函数，或者比较密集的函数，我们可以用到模拟上火
下面我们就来说一下模拟上火的主要函数确定温度的fever函数
1 double fever(int age) //age指的是迭代次数 2 { 3 double nx,ny; 4 nx=ax,ny=ay; 5 double t=max(bt,1.1)+rand()/10.0; 6 double dt=((rand()%1000)/100000.0)+1.1; //dt指的是升温系数 7 while(age) 8 { 9 double tx,ty; 10 age--; 11 tx=nx+(rand()*2-RAND_MAX)*t; 12 ty=ny+(rand()*2-RAND_MAX)*t; 13 double nowe=getengry(tx,ty); 14 if(nowe<lans) lans=nowe,nx=tx,ny=ty,ax=tx,ay=ty,age+=5; //找到比你好了的，多活几年吧 15 else if(exp(-nowe/t)*RAND_MAX>rand()) nx=tx,ny=ty,age-=5; //你就是最好了的，折寿 16 t*=dt; 17 } 18 return t; 19 }
于是经过本人（yy出来的）模拟上火，就弄出来了
对了，如果你真的要好好去学模拟退火，这篇文章你可以关了。
如果这篇文章对你有帮助的话，请马上关闭这个页面，这才是对你的帮助。
由于是yy了一个标题，所以瞎写写了一般，文章内容绝对无学术意义(应该
另外，我是等这篇文章被爬