概述
一种适合于解决大规模组合优化问题的通用而有效的近似算法，理论上算法具有概率的全局优化性能，具有描述简单、使用灵活、运用广泛、运行效率高和较少受到初始条件约束等优点。
模拟退火其实也是一种贪心算法，但是它的搜索过程引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。
步骤：
-
初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)， 每个T值的迭代次数L
-
对k=1，……，L做第(3)至第6步：
-
产生新解S′
-
计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数
-
若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接受S′作为新的当前解.
-
如果满足终止条件则输出当前解作为最优解，结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法。
-
T逐渐减少，且T->0，然后转第2步。
注：Metropolis准则：以概率接受新状态：；在高温下，可接受与当前状态能量差较大的新状态；在低温下，只接受与当前状态能量差较小的新状态。