الگوریتم بازپخت شبیه‌سازی شده یک الگوریتم بهینه‌سازی تصادفی است که برای یافتن راه‌حل بهینه کلی یا نزدیک به بهینه برای یک مسئله معین استفاده می‌شود، به ویژه در مواردی که فضای جستجو بزرگ است و تابع بهینه‌سازی غیر خطی و غیر محدب است. از فرآیند فیزیکی بازپخت الهام گرفته شده است، جایی که یک ماده گرم می شود و سپس به تدریج سرد می شود تا ساختار و خواص آن بهبود یابد. در یک الگوریتم بازپخت شبیه سازی شده، فرآیند جستجو با یک راه حل تصادفی یا اولیه شروع می شود و سپس به طور مکرر به سمت راه حل های بهتر حرکت می کند. الگوریتم راه‌حل‌هایی را می‌پذیرد که ممکن است همیشه بهینه نباشند، و به آن اجازه می‌دهد از حداقل‌های محلی فرار کند و فضای راه‌حل را به طور کامل بررسی کند. الگوریتم از یک معیار پذیرش استفاده می کند که بر اساس احتمال پذیرش راه حل جدید است. که به مرور زمان با کاهش تدریجی دمای سیستم آنیل می شود. برنامه خنک‌سازی معمولاً برای ایجاد تعادل بین اکتشاف و بهره‌برداری طراحی شده است و به الگوریتم اجازه می‌دهد تا به یک راه‌حل بهینه جهانی با احتمال بالا همگرا شود.
تاریخ انتشار: