最新智能优化算法——模拟退火法（Python实现）(1)，Python基础面试

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

plt.show()

7.3 结果

最小值点

[[ 0.01025158]

[ 0.05412669]

[ 0.01478472]

[ 0.11712758]

[-0.0201138 ]

[ 0.10935337]

[-0.01210524]

[-0.06925395]

[ 0.06425366]

[ 0.06373066]]

最小值

0.042467753287183725

Process finished with exit code 0

8 案例2

8.1 案例

8.2 Python实现

import numpy as np

import matplotlib.pyplot as plt

import matplotlib as mpl

import matplotlib; matplotlib.use(‘TkAgg’)

mpl.rcParams[‘font.sans-serif’] = [‘SimHei’] # 指定默认字体

mpl.rcParams[‘axes.unicode_minus’] = False # 解决保存图像是负号’-'显示为方块的问题

#=====初始化参数

D=2 #变量维数 ,对应x,y

Xs=1 #搜索区间上限

Xx=-1 #搜索区间下限

#冷却表参数

L = 300 #马可夫链长度 #在温度为t情况下的迭代次数

K = 0.98 #衰减参数

S = 0.01 #步长因子

T=100 #初始温度

YZ = 1e-8 #容差(运行t-1,，t时刻的误差）

P = 0 #Metropolis过程中总接受点

eloss=0.1 #允许的惩罚项误差

#随机选点 初值设定

PreX = np.zeros(shape=(D,1))

PreX[0]=np.random.uniform(1,2,1)#X范围【1,2】

PreX[1]=np.random.uniform(-1,0,1)#y范围【-1,0】

PreBestX = PreX#t-1代的全局最优X

PreX = np.zeros(shape=(D,1))

PreX[0]=np.random.uniform(1,2,1)#X范围【1,2】