1 什麼是智能優化算法
智能優化算法又稱現代啓發式算法，是一種具有全局優化性能、通用性強且適用於並行處理的算法。這種算法一般具有嚴密的理論依據，而不是單純憑專家經驗，理論上可以在一定的時間內找到最優解或近似最優解。
補充說明：
啓發式算法（Heuristic Algorithm）有兩種定義：
（1）基於直觀或經驗的構造的算法，對優化問題的實例能給出可接受的計算成本（計算時間、佔用空間等）內，給出一個近似最優解，該近似解於真實最優解的偏離程度不一定可以實現預計；
（2）啓發式算法是一種技術，這種技術使得在可接受的計算成本內去搜尋最好的解，但不一定保證所得的解是可行解和最優解，甚至在多數情況下，無法闡述所得解同最優解的近似程度。
總之，啓發式算法可用於解決求解最優解代價比較大的問題，但是此類算法不保證得到最優解，求解結果不穩定且算法效果依賴於實際問題和設計者的經驗。
2 常用的智能優化算法
遺傳算法（Genetic Algorithm, GA)
模擬退火算法（Simulated Annealing, SA)
禁忌搜索算法（Tabu Search, TS)
神經網絡 （Neural Network）
蟻羣算法（Ant Colony Optimization，ACO）
3 智能優化算法的特點
都是從任一解出發，按照某種機制，以一定的概率在整個求解空間中探索最優解。由於它們可以把搜索空間擴展到整個問題空間，因而具有全局優化性能。
4 模擬退火算法
4.1 簡介
模擬退火算法的思想借鑑於固體的退火過程，當固體的溫度很高時，內能比較大，固體內的粒子處於快速無序運動狀態，當溫度慢慢降低，固體的內能減小，粒子逐漸趨於有序，最終固體處於常溫狀態，內能達到最小，此時粒子最爲穩定。
白話理解：一開始爲算法設定一個較高的值T（模擬溫度），算法不穩定，選擇當前較差解的概率很大；隨着T的減小，算法趨於穩定，選擇較差解的概率減小，最後，T降至終止迭代的條件，得到近似最優解。
4.1 工具箱（SA)
function fitnessVal=fitness(x)
fitnessVal=sin(10*pi*x)/x
end
Optimization running.
Objective function value: -0.8695940683355063
Maximum number of iterations exceeded: increase options.MaxIterations.
start point-
優化爲一個搜索算法，需要一個起點，一般問題你可以隨便設，複雜問題更加問題自身的情況。
找最大值變成-的即可。