骗分有风险 退火需谨慎 模拟退火学习

　　先提一句，某kyh把板子改正后（忘记调参）WA95了。

　　

　　算法设计原型是物体的降温过程。

　　温度高时，答案在乱跳，温度低时乱跳范围逐渐缩小

　　一般情况下取到一个更优的解时改变其位置，否则随机决定是否改变

 

　　那么算法存活的关键：随机

　　为了取得更优的解，有可能放弃当前的解取到不优的位置，而是否取这个位置是由随机数决定的：

if(D<0)//如果是一个更优解
        {
           //更新答案
        }
else if(exp(-D/t)*RAND_MAX>rand())//能否接受这个差 ，注意，D在答案不优时为正
        {
            //更新答案
        }
        t*=delta;//降温 
    }
}

　　D是当前答案与最优答案的差。

　　

　　这是什么意思，我们姑且设rand（）/RAND_MAX的期望是0.5，原式可化为

　　  　　D<T*ln2

　　实际上由于rand（）/RAND_MAX常常不是0.5，ln2会比较随机，但是一般在0~10内

　　而..

if(tmpans<nowans){
    //更新答案
}
else if(exp(D/T)*RAND_MAX<rand()){
       // 更新答案
}

 

 

　　变成什么了呢

　　　　D<T*（-ln2）

　　怎么可能，D可是正数。

　　所以“是否取这个位置是由随机数决定的”成了一句空话

　　然后他还用这个码A了（也许是题目的单峰性过于明显）

 

　　注意，原码就算把这句话改掉，也不是正确的

　　

double T=0.01;
while//...
{
       int tmp=now+T*(2ll*rand()-RAND_MAX);
       //...   
}    

 

   　为了在求tmp时能跳到比较合理的范围，故意将t弄得很小。

　　导致了什么呢

　　　　D<T*ln2（D为正整数）

　　ln2本身已经很小了，又乘上0.01

　　左项正整数，而右项永远是0。

　　所以还需要把T改到1e3左右的范围，因为相比较于位置的随机，权值的随机更加难以平衡。（指数）

　　而位置处乘上一个小数来平衡掉

 

　　ps：以上都是某kyh自己发现的，然后他改掉以后就WA95了（upd：調了下参数他又A了），他现在非常愧疚估计正在发博道歉，欢迎大家去喷他

　　pps：引以为戒，独立思考，研究模板要讨论其正确性，而不是以AC为目的。