用于优化问题的引导蒙特卡罗方法

我们通过将引导分布函数引入传统蒙特卡罗方法，提出了一种新的蒙特卡罗方法。通过这种方式，蒙特卡罗方法的效率得到了显著提高。为了进一步加速算法，我们在算法中加入了两个额外要素。首先，在搜索最优解的过程中，我们冻结出现概率高的子模式，从而减少了问题的相空间。其次，我们在算法优化搜索的最优温度范围内进行模拟。我们使用该算法搜索旅行商问题的最优路径和自旋玻璃模型的基态能量，并证明其性能可与更精细的启发式方法相媲美。