待验证50% 置信事实精确时间

模拟退火以概率接受劣解以逃离局部最优。

1

来源数

50%

置信度

长期有效

时效性

2026/11/5

首次发现

来源

FPTR：截止时间约束下的可行性与事务性优化框架

涉及实体

模拟退火concept

相关事实

待验证模拟退火算法借鉴了冶金学中的退火工艺，在搜索早期接受较大概率的上坡移动以探索参数空间，随后逐步降低温度以收敛到最优解75% 相似待验证余弦退火学习率调度可能帮助模型突破损失平台期，避免陷入局部最优71% 相似待验证应对局部最优的经典优化策略包括模拟退火（以概率接受劣解）、遗传算法（通过种群多样性和交叉变异）、禁忌搜索（记录已访问状态避免循环）68% 相似待验证爬山算法存在陷入局部最优的风险，研究者发展出模拟退火、随机重启爬山、遗传算法等变体来跳出局部最优67% 相似待验证当环境提供的内置信号不可靠时，用可回放的模拟来构造更可信的奖励。65% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1137799

API

curl https://kongchang.com/api/v1/knowledge/claims/1137799

MCP

get_claim(id=1137799)