模拟退火算法（Simulated Annealing，简称SA）是一种基于物理退火过程的全局优化算法，由Metropolis等人于1953年提出，Kirkpatrick等人在1983年将其应用于组合优化问题。
该算法模拟了金属冶炼中的退火过程：将金属加热到高温，然后缓慢冷却，使原子排列更加有序，最终达到能量最低的稳定状态。在优化问题中，我们用"温度"来控制搜索过程，用"能量"来表示解的质量（能量越低，解越好）。
模拟退火算法的最大特点是：它允许以一定概率接受比当前解更差的解，这使得算法能够跳出局部最优，从而找到全局最优解。
禁忌搜索算法（Tabu Search，简称TS）是一种全局优化算法，由Glover教授于1986年提出。该算法模拟了人类的记忆机制，通过记录已经搜索过的解（称为"禁忌"），避免重复搜索，从而跳出局部最优，找到全局最优解。
禁忌搜索算法的核心思想是：在搜索过程中，禁止（禁忌）某些操作或解，以防止算法陷入循环或重复搜索。同时，通过特赦规则（Aspiration Criteria），允许在某些情况下接受禁忌解，以保证算法的全局搜索能力。
与贪心算法不同，禁忌搜索算法允许接受比当前解更差的解，这使得算法能够跳出局部最优，探索更大的搜索空间。
粒子群优化算法（Particle Swarm Optimization，简称PSO）是一种基于群体智能的优化算法，由Kennedy和Eberhart于1995年提出。该算法模拟了鸟群或鱼群等生物群体的觅食行为，通过群体中个体之间的信息共享和协作来寻找最优解。
PSO算法的核心思想是：每个个体（称为"粒子"）在搜索空间中移动，它们会记住自己找到的最好位置（个体最优），同时也会知道整个群体中找到的最好位置（全局最优）。每个粒子根据这两个信息来调整自己的速度和位置，逐渐向最优解靠近。
