模拟退火算法(SA)是基于金属退火的机理而建立起的一种全局最优化方法，模拟退火算法由于它以某种概率接受较差点，从而具有跳出局部最优解的能力，理论上只要计算时间足够长, 模拟退火法就可以保证以概率 1.0 收敛于全局最优点，但在实际算法实现中，由于计算速度和时间限制，其优化效果和计算时间存在矛盾，收敛时间往往过长。

PSO算法原理简单，用速度、位移公式迭代易于实现，需要调节的参数少，在寻优稳定性和全局性收敛性方面具有很大优势，但容易陷入局部最优值出现早熟，种群多样性差，搜索范围小，在高维复杂问题寻优时更为明显。

因此本文采用融合粒子群和模拟退火的模拟退火粒子群算法，融合的方法是引入模拟退火的概率突跳的思想，以克服 PSO 算法早熟收敛的弊端，改善 SA 算法收敛速度慢的缺点，从而提升了算法的整体性能。

仅售代码，若有定制需求可联系作者。微信公众号：KAU的云实验台