Artificial intelligence 在简单爬山算法中加入模拟退火算法

我创建了一个爬山算法，随机生成一个解决方案，然后复制该解决方案，并对其进行一点变异，看看是否最终得到了更好的解决方案。如果它这样做了，它将保留新的解决方案并丢弃旧的解决方案

如果我想在这个算法中加入模拟退火，我可以从一个更高的变异率开始，并在每次创建一个新的解决方案时稍微降低变异率吗

---

我假设变异率将作为模拟退火算法的温度，对吗？

变异率将作为退火的温度，但每次选择更好的解决方案并不是完美的模拟退火

---

你需要根据更好的选择和突变率来选择更好的选择。（即三角形和温度）这样你就可以让模拟退火算法脱离局部最优。如果你一直选择最好的，你可能会陷入局部最优

对。但有时你也应该考虑接受恶化的步骤，以摆脱局部极小值。单数最优值，复数最优值。没有所谓的局部最优解。