boku-no-kanngaeta-saikyo-yakinamashi-tips
专为AI编程助手设计的模拟退火算法优化技能
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：boku-no-kanngaeta-saikyo-yakinamashi-tips。 它的用途是：专为AI编程助手设计的模拟退火算法优化技能 完整的 Skill 内容见：https://321skill.com/skills/boku-no-kanngaeta-saikyo-yakinamashi-tips/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘烧きなまし法を改善して’，它会分析你当前的模拟退火实现，并可能建议采用更高效的邻域搜索操作，或调整接受劣解的概率衰减函数。或者
对AI说：‘SAの改善案を出して’，它会提供几种不同的状态编码方式或冷却进度表，帮助你跳出局部最优解。
介绍
该技能旨在帮助开发者优化模拟退火（Simulated Annealing, SA）算法。模拟退火是一种用于近似求解大规模优化问题的概率型算法，但在实际应用中，其性能高度依赖于初始温度、降温策略、邻域结构等参数的精细调校。本技能通过向AI编程助手提供专业提示，引导其针对特定问题（如旅行商问题、调度问题等）生成更高效的SA改进方案，例如设计更智能的邻域搜索、调整状态表示或优化冷却计划。
使用时，开发者只需在支持该技能的AI编程助手（如Claude、Cursor）中，用自然语言提出优化请求，例如“请帮我改进这个模拟退火算法”或使用特定的日语提示词。助手便会调用该技能的知识库，提供针对性的代码优化建议、参数调整策略或算法变体思路。
该技能主要面向需要实现或优化组合优化算法的开发者，特别是算法工程师、参加编程竞赛（如AtCoder）的选手、以及学术研究中涉及启发式算法的研究人员。他们通常面临算法收敛慢、解质量不高或需要针对特定问题定制SA的挑战。
建议在提出请求时，尽可能清晰地描述你的目标函数、当前算法的瓶颈（例如“陷入局部最优”）或你希望改进的具体方面（如“加速收敛”）。虽然技能能提供通用改进方向，但最有效的优化仍需结合具体问题域知识进行微调。
核心特点
与通用的代码优化技能不同，它深度聚焦于模拟退火这一特定算法领域，能提供从邻域设计、状态表示到降温策略等专业级改进建议，而非泛泛的代码风格或性能提示。
注意事项
该技能主要提供算法层面的改进思路和代码示例，不适用于解决与模拟退火算法无关的其他编程问题或性能优化。
常见问题
这个技能能直接优化我的代码吗？
不能直接修改代码，但能通过AI助手提供具体的改进方案、代码片段和参数调整建议，需要您自行评估和集成。
对模拟退火算法不熟悉能用吗？
建议具备模拟退火算法的基础知识，这样能更好地理解技能给出的改进建议并进行有效应用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/boku-no-kanngaeta-saikyo-yakinamashi-tips/raw/index.md 读取 boku-no-kanngaeta-saikyo-yakinamashi-tips 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/boku-no-kanngaeta-saikyo-yakinamashi-tips/raw/index.md（查看排版版本）