模拟退火（SA）在许多优化问题中是众所周知的。可以在此处阅读有关 SA 的更多信息 http://en.wikipedia.org/wiki/Simulated_annealing
我只是对使用支持向量机分类进行特征选择的 SA 感兴趣，即我们需要从输入数据中定义一个子集以用作具有低分类错误的 SVM 的特征向量。因此我们可以将每个输入数据子集理解为状态 s，其能量 E(s) 作为分类错误的成本函数。
我的问题是如何为每个向量选择初始标签集？一开始可以随意吗？
每个状态的成本函数公式是什么（通常，对于非线性核 SVM）？以及如何定义下一个状态（选择下一个子集）？