Artificial intelligence 我有一个关于模拟退火的概念问题？

假设您是一名AI程序员，负责一个使用模拟退火解决搜索问题的项目。在多次测试该程序后，您注意到该程序运行得太慢。您将如何修改T随时间变化的方式？

根据

不幸的是，这些参数没有适合所有问题的选择，也没有为给定问题找到最佳选择的通用方法

---

温度调整取决于问题的形状，因此您可能需要进行一点实验，看看在您的特定设置中什么起作用。总的想法是，它会在接近尾声时缓慢冷却，以便进行微调，并防止结果变化过大（如果运气好的话，它应该已经接近一个好的解决方案）。

不要过于关注温度。检查提案是如何创建的，并查看您是否可以改进提案和/或目标函数。