摘要组合优化问题广泛存在于工程、管理、经济等众多领域，其求解难度随问题规模增长呈指数级上升，传统精确算法难以在可接受时间内获得满意解。模拟退火算法作为一种经典的元启发式算法，通过模拟固体退火过程中的能量最小化原理，以概率突跳机制摆脱局部最优陷阱，在组合优化领域展现出强大的全局搜索能力。本文系统构建了基于模拟退火的组合优化求解框架，从热力学物理背景出发，严格推导了Metropolis准则的数学基础，深入分析了冷却进度表各参数对算法性能的影响机制。在此基础上，本文提出了改进的自适应模拟退火算法（ASA），设计了包含温度自适应衰减、停滞检测与重加热、记忆强化与精英保留等策略的增强框架。针对旅行商问题（TSP）、背包问题（KP）和作业车间调度问题（JSP）三类经典组合优化问题，本文给出了详细的状态表示、邻域生成、目标函数设计及约束处理方法。通过大规模数值实验，系统比较了标准模拟退火、改进自适应模拟退火与遗传算法、禁忌搜索的性能差异，验证了所提框架的有效性与鲁棒性。本文的研究为组合优化问题的智能化求解提供了完整的理论支撑与实践指南。关键词：模拟退火；组合优化；Metropolis准则；冷却进度表；自适应算法；旅行商问题；背包问题；作业车间调度目录摘要1. 引言1.1 研究背景与意义1.2 模拟退火算法的历史溯源1.3 研究现状与不足1.4 本文的研究内容与组织结构2. 组合优化问题基础2.1 组合优化问题的形式化定义2.2 组合优化问题的困难性分析2.3 典型组合优化问题简介3. 模拟退火算法的理论基础3.1 物理退火过程与Metropolis准则3.2 从物理退火到组合优化的映射3.3 模拟退火算法的收敛性分析3.4 冷却进度表的关键参数与影响机制4. 基于模拟退火的组合优化求解框架设计4.1 标准模拟退火算法的流程与实现4.2 自适应模拟退火算法（ASA）的改进策略4.2.1 温度自适应衰减机制4.2.2 记忆强化与精英保留策略4.2.3 停滞检测与重加热机制4.2.4 自适应邻域搜索4.3 约束处理机制4.3.1 罚函数法4.3.2 修复策略4.3.3 搜索空间限制法4.4 框架的通用性与可扩展性5. 典型组合优化问题的求解实现5.1 旅行商问题（TSP）的求解5.1.1 解表示与邻域结构5.1.2 目标函数与加速计算5.1.3 实验结果5.2 背包问题（KP）的求解5.2.1 解表示与邻域结构5.2.2 约束修复策略5.2.3 实验结果5.3 作业车间调度问题（JSP）的求解5.3.1 解表示与邻域结构5.3.2 目标函数与约束处理5.3.3 实验结果1. 引言