---

Når man læser om "simulated annealing" så er det faktisk altid TSP der
løses, og rekonfigurationen af den gamle løsning , for at få den nye, er
angivet for det problem. Jeg er lidt usikker på hvad man gør hvis man i det
simple eksempel har en funktion af en variabel og ønsker at "udgløde" den.
Umiddelbart kan man gøre to ting. Man kan tage en ny variabelværdi fra et
tilfældigt sted blandt gyldige værdier, eller man kan tage en værdi der er
indenfor en vis afstand af den gamle. Sidste metode virker mest naturlig,
men hvad er strategien for at indsnævre det nabolag, for hvis man skal fange
et globalt minimum så må man jo afsøge et stort område i begyndelsen og
derefter blive mere lokal. Dermed skal naboområdet vel gøres mindre
samtidigt med temperaturen.... Jeg oplever at indsnævring gør at jeg
risikerer at misse det globale minimum, mens ingen indsnævring gør at jeg
skal bruge rigtig mange itterationer for at finde det ægte minimum, hvis det
ligger i et relativt fladt område. Jeg kan naturligvis bruge udglødning til
at finde det globale minimumsområde og så bruge en anden metode herefter,
men man burde vel kunne gå hele vejen med metoden?

Ja, det virker som et tåbeligt spørgsmål, men jeg har faktisk kun tidligere
brugt (leget med) udglødning i forbindelse med problemer der beskrives som
en sekvens/dna i stil med hvad man gør i tsp.