退火模型：模拟退火算法（Simulated Annealing, SA）是一种概率型全局优化算法，灵感来源于物理学中的退火过程。它通过模拟金属退火过程中的加热和缓慢冷却，来寻找问题的近似全局最优解。算法开始时，初始温度设置得较高，允许算法在大范围内随机搜索解空间，以跳出局部最优解。随着温度逐渐降低，搜索过程变得越来越局部化，最终在低温下稳定在某个解附近，这个解通常是全局最优解或近似全局最优解。模拟退火算法适用于解决复杂的优化问题，特别是在解空间大且存在多个局部最优解时。
录制_2024_09_04_00_04_57_316
退火过程：假设定义域内随机点x0，相当于一个粒子，它会进行无序运动，也就是向左或者向右移动，移动幅度与和当前温度T有关，温度T越大，移动幅度越大，温度T越小，移动幅度就越小。公式：dx=x+▲x*T
如上图，起始点x0，那么x=x0，下一个随机点是x1，如果求最大值，fx1>fx0，此时需要更新状态，x=x1,y=fx1。反过来，如果fx1<fx0，则需要以一定概率替换，概率如下：
k为物理常量，▲f=-|fx1-fx0|，以就是T越小被替换的概率就越小。
如果求最小值，判断fx时刚好相反。
每次降温假如恒定，那么T=T*dt
代码实现方式如下：
Fitness函数的参数是dx，而不是bestX
代码地址：https://gitee.com/feng-cai/annealing-algorithm
