英文名：Simulated annealing（刺激·退火）

一個(gè)沒有“下坡”的爬山算法是不完全的，因?yàn)槲覀兛梢灶A(yù)見它會(huì)掐在半山腰（局部最大值）。一個(gè)完全隨機(jī)的爬山算法，正相反，它是完全的但是極端低效。所以，我們的目標(biāo)就是開發(fā)一種在某些方面采用隨機(jī)性，但又保證完全和高效的算法。

模擬退火就是這樣一種兩者兼得的算法。退火（不是回火），作為一種金屬處理工藝，就是說(shuō)把金屬或玻璃加熱到高溫后，逐漸降溫，到達(dá)低能結(jié)晶態(tài)，用來(lái)加強(qiáng)硬度的方法。

具體來(lái)講，我們?cè)诔跏紩r(shí)給定一個(gè)溫度函數(shù)，然后讓這個(gè)溫度函數(shù)隨著時(shí)間（aka迭代數(shù)）慢慢降低。我們也從當(dāng)前狀態(tài)的子狀態(tài)中隨機(jī)抽取一個(gè)，如果這個(gè)子狀態(tài)把我們引向更高處，則它取代當(dāng)前狀態(tài)，繼續(xù)迭代；如果子狀態(tài)是個(gè)下坡，有一定幾率我們?nèi)匀挥盟〈?dāng)前狀態(tài)。下坡越大，幾率越??；溫度越高，幾率越大。

def Simulated-Annealing(problem, schedule) returns a solution state
  current = Make-Node(problem.initial_state)
  for t in range(1,+infinity):
    T = schedule(t)
    if T = 0: return current
    next = random-successor(current)
    delta = next.value - current.value
    if delta > 0: current = next
    else: current = next, with probability exp(delta/T)