模拟退火核心循环需三层嵌套：外层控温度衰减，中层控每温迭代次数，内层扰动邻域并按Metropolis准则接受新解；关键在温度调度、邻域操作与接受判据的节奏匹配，参数须针对具体问题手调。
模拟退火在C++里怎么写核心循环
模拟退火不是标准库算法，得自己实现温度衰减、邻域扰动和接受概率逻辑。关键不在“怎么写”，而在“怎么控制退火节奏”——温度下降太快容易卡在局部最优，太慢又浪费时间。
典型结构是三层嵌套：for (int t = 0; t 控制外层迭代，while (T > T_min) 管温度，内层用 for (int i = 0; i 在同一温度下采样多个邻居。别把三者混成一层 for，否则退火行为不可控。
常见错误：用固定步长更新温度，比如 T *= 0.999。这在初期降温过缓，后期又骤降。更稳妥的是按迭代次数做非线性衰减：T = T0 / log(1 + t) 或 T = T0 * pow(0.99, t)，前者更平滑，后者更常用。
怎么设计邻域操作（neighbor move）才不破坏解的合法性
组合优化问题的解通常是排列、子集或分配方案，邻域操作一旦生成非法状态（如TSP中重复访问城市、背包超重），整个搜索就失效。不能靠“拒绝非法解”来兜底——那会让有效探索率暴跌。
邻域设计必须内置约束保障：
- 对排列类问题（如TSP、作业调度），用
swap、reverse_subsequence、insert这类保序操作，天然维持合法性 - 对0-1背包，避免直接随机翻转某位——可能超重；改用“找一个已选物品移除 + 找一个未选但能装下的加入”，确保容量始终满足
- 对图划分或聚类，邻域应限制为“移动单个节点到另一组”，而非全量重分配
示例：TSP中两个城市索引 i、j 随机选取后，交换路径中对应位置即可：std::swap(solution[i], solution[j]);，不用检查是否重复。
std::exp((old_cost - new_cost) / T) 这个接受概率为什么常返回0或1
浮点精度问题在这里很致命。old_cost - new_cost 是负数（即新解更差）时，差值绝对值稍大，exp(-100) 就是 3.7e-44，在 double 下基本等于 0；而 exp(10) 是 22026，但概率不能超 1，所以实际要取 std::min(1.0, std::exp(...))。
更隐蔽的问题是温度 T 太小导致指数溢出或下溢。建议加保护：
std::rand()
- 记录最近
N次接受的解中目标函数的标准差，持续小于1e-5且温度低于T0 * 0.01，大概率已稳定 - 维护一个“最佳解冻结计数器”：每次更新全局最优时清零，否则递增；超过
max_stall_iter（比如 10000）就停
注意：不要在每次迭代都调用 std::cout 打印当前最优，I/O 会拖慢百倍以上。用秒级定时器抽样输出，比如 if (clock() - last_print > CLOCKS_PER_SEC) { ...; last_print = clock(); }。
真正难的不是写出退火框架，而是让邻域操作、温度调度、接受判据三者节奏匹配——同一套代码换一个问题，参数几乎都要重调。别迷信“通用参数”，先用小规模实例手调 T0 和衰减率，再放大规模。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
