退火和声搜索算法

退火和声搜索算法在保留和声搜索算法的启发搜索框架的前提下，就是不改变和声搜索算法的主要搜索机制，引入模拟退火的局部搜索方法。这样新的算法优化过程更具效率，预期可以更快更精地找到全局极值点。

首先随机产生一个[0,1]均匀分布数r。

若小于Hr，则新解在HM中搜索产生，需要注意的产生方法与和声搜索算法有些许不同，那就是原HS算法中是小于Hr从HM中产生，否则随机生成，而这里的新算法是所有nDim个变量都在HM中随机取值，接下来以Pr进行扰动。

若大于Hr，则对当前HM中最差组合执行一次Metropolis算法来产生新解，同时相应温度控制参数降低一次。

不管个体是以上面的哪种方式产生新个体之后得到的解若优于当前HM中的最差解，则替换更新。

退火和声搜索算法的步骤如下：

(1)随机初始化HM，计算M组每组评价值，初始化T0(初始温度)、L(SA内层循环数)、C(降温常数)；

(2)比较得出各组解中最差组合；

(3)随机产生[0,1]随机数r，若r < Hr，执行第(4)步；若r > Hr，执行第(6)步；

(4)所有变量均相应在HM中随机搜索，得新解；

(5)以音调调节率Pr，对得到的新解进行局部扰动；转第(7)步；

(6)对当前HM 中最差解组合进行改进，即执行一次Metropolis算法，得新解，降低温度控制参数；

(7)计算新解的目标函数值，若小于当前最差解组合的目标函数值，则替换之；

(8)若不满足停止条件，重复(2)～(7)，否则停止。

其中算法中的M为组合个数；Hr为记忆库取值概率HMCR(在[0,1]中取值)；Pr为音调调节率PAR(在[0,1]中取值)。