如何实施模拟退火以在图中找到最长路径

Question

我找到了一段伪代码，它解释了最长路径问题的模拟退火，但是有一些我不理解的细节。

目前，我已经实现了表示图的结构以及在图中生成随机图和随机路径的方法-两者都是统一的。

这是模拟退火的伪代码：

Procedure Anneal(G, s, t, P)
P = RandomPath(s, t, G)
temp = TEMP0
itermax = ITER0
while temp > TEMPF do
  while iteration  < itermax do
    S = RandomNeighbor(P, G)
    delta = S.len - P.len
    if delta > 0 then
       P = S
    else
      x = random01
      if x < exp(delta / temp) then
        P = S
      endif
    endif
    iteration = iteration + 1
  enddo
  temp = Alpha(temp)
  itermax = Beta(itermax)
enddo

我认为不清楚的细节是：

RandomNeighbor（P，G）

阿尔法（温度）

itermax = Beta（itermax）

这些方法应该做什么？

Answer 1

RandomNeighbor（P，G）：这可能是从当前解决方案（随机选择邻居）中创建新解决方案（或新的相邻解决方案）的函数。

Alpha（temp）：这是降低温度的功能（可能是temp *= alpha）

itermax = Beta（itermax）：我只能假定此计数器在迭代中正在更改（很可能是重置）计数器，因为它已在内部while中使用。因此，当您的迭代计数器达到最大值时，它将重置。