焼きなまし法

🔥 Vibe プロンプト

「50のランダム都市で焼きなまし法によりTSPを解決。ルート最適化のアニメーションを表示。」

import random, math

def simulated_annealing(cities, initial_temp=1000, cooling_rate=0.995, stop_temp=0.01):
    n = len(cities)
    def dist(i, j): return math.sqrt((cities[i][0]-cities[j][0])**2 + (cities[i][1]-cities[j][1])**2)
    def total_dist(route): return sum(dist(route[i], route[(i+1)%n]) for i in range(n))
    
    current = list(range(n))
    random.shuffle(current)
    current_dist = total_dist(current)
    best, best_dist = current[:], current_dist
    temp = initial_temp
    
    while temp > stop_temp:
        i, j = random.sample(range(n), 2)
        new = current[:]
        new[i], new[j] = new[j], new[i]
        new_dist = total_dist(new)
        delta = new_dist - current_dist
        if delta < 0 or random.random() < math.exp(-delta/temp):
            current, current_dist = new, new_dist
            if current_dist < best_dist:
                best, best_dist = current[:], current_dist
        temp *= cooling_rate
    return best, best_dist

cities = [(random.random()*100, random.random()*100) for _ in range(50)]
route, dist = simulated_annealing(cities)
print(f"最適距離: {dist:.2f}")

章のまとめ

• コアコンセプトと原理を理解
• 実装方法とテクニックを習得
• 一般的な問題と解決策に精通
• 実際のプロジェクトに適用可能

さらに読む

• 公式ドキュメントとAPIリファレンス
• GitHubのオープンソース例
• 技術書とオンラインコース
• コミュニティディスカッションと技術ブログ

実装例

基本例

# 完全な実装例を提供します

手順

1. セットアップ: 開発環境の設定
2. データ: 必要なデータの準備
3. 実装: コア機能の構築
4. テスト: 動作確認
5. 最適化: パフォーマンスの向上

よくあるエラー

| エラー種別 | 原因 | 解決方法 | |-----------|------|---------| | コンパイル | 構文 | コードの構文を確認 | | 実行時 | 環境 | 依存パッケージの確認 | | 論理 | アルゴリズム | ステップごとのデバッグ | | パフォーマンス | 効率 | プロファイラーの使用 |

コード例

import sys

def main():
    print("Hello, World!")

if __name__ == "__main__":
    main()

参考資料

• 公式ドキュメント
• APIリファレンス
• オープンソース例
• コミュニティディスカッション