模拟退火，蚁群对比

Answer 1

参考回答：

模拟退火算法:退火是一个物理过程，粒子可以从高能状态转换为低能状态，而从低能转换为高能则有一定的随机性，且温度越低越难从低能转换为高能。就是在物体冷却的过程中，物体内部的粒子并不是同时冷却下来的。因为在外围粒子降温的时候，里边的粒子还会将热量传给外围粒子，就可能导致局部粒子温度上升，当然，最终物体的温度还是会下降到环境温度的。

先给出一种求最优解的方法，在寻找一个最优解的过程中采取分段检索的方式，在可行解中随机找出来一个，然后在这个解附近进行检索，找到更加优化的解，放弃原来的，在新得到的解附近继续检索，当无法继续找到一个更优解的时候就认为算法收敛，最终得到的是一个局部最优解。

蚁群算法:很显然，就是模仿蚂蚁寻找食物而发明的算法，主要用途就是寻找最佳路径。先讲一下蚂蚁是怎么寻找食物，并且在寻找到了食物后怎么逐渐确定最佳路径的。

事实上，蚂蚁的目光很短，它只会检索它附近的很小一部分空间，但是它在寻路过程中不会去重复它留下信息素的空间，也就是它不会往回走。当一群蚂蚁遇到障碍物了之后，它们会随机分为两拨，一波往左一波往右，但是因为环境会挥发掉它们的信息素，于是，较短的路留下的信息素多，而较长的路因为挥发较多，也就留下得少了。接下来，蚁群就会趋向于行走信息素较多的路径，于是大部分蚂蚁就走了较短的路了。但是蚁群中又有一些特别的蚂蚁，它们并不会走大家走的路，而是以一定概率寻找新路，如果新路更短，信息素挥发更少，渐渐得蚁群就会走向更短的路径。

以上就是蚂蚁寻路的具体过程。把这个过程映射到计算机算法上，计算机在单次迭代过程中，会在路径的节点上留下信息素（可以使用数据变量来表示）。每次迭代都做信息素蒸发处理，多次迭代后聚集信息素较多的路径即可认为是较优路径。