模拟退火算法 　　模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和

写在前面的话：咋们还是用scipy.optimize吧 例函数:y=0.5×2−20x+1y=0.5x^{2}-20x +1y=0.5×2−20x+1 求该函数在(0, 100)的最小值. 模拟退火(SA)程序，如下: import math import numpy as np def x_y(x): return 0.5*x**2 - 20*x + 1 T = 100 T_min = 0.5 x = np.random.uniform(0, 100) y = 0 t = 0 k =