我正在编写一个模拟退火程序，并且在调试它时遇到了一些麻烦。任何的建议都受欢迎。
首先，输出不是确定性的，所以我已经开始运行它一百次并查看平均值和标准差。
但是完成一个测试用例需要很长时间（> 30 分钟）。
通常，我会尝试减少输入，但减少迭代次数会以无法完全预测的方式直接降低结果的准确性。例如，冷却计划是与迭代次数成比例的指数衰减。减少单独运行的数量会使输出非常不可靠（我试图寻找的错误之一是运行之间的巨大差异）。
我知道过早的优化是万恶之源，在程序甚至正确之前进行优化肯定还为时过早，但我正在认真考虑重写这是一种更快的语言（Cython 或 C），因为我知道我必须这样做最后将其移植回 Python 进行提交。
那么，有什么方法可以比我现在更好地测试模拟退火算法吗？或者我应该在测试之间做其他事情吗？
披露：这是课程作业，但我并不是要您帮助我进行实际模拟。
以下是我在Drools Planner（java，开源）中实现元启发式（如模拟退火和禁忌搜索）时学到的一些调试技巧：
environmentMode的 s ( DEBUG, REPRODUCIBLE(默认) 和PRODUCTION)。在模式DEBUGandREPRODUCIBLE中，所有代码都使用相同的 Random 实例，并且该Random实例seed是固定的。因此，两次运行禁忌搜索实现会给出完全相同的动作、步骤和结果分数。模拟退火实现依赖于时间梯度，因此取决于当时的 CPU，可能会有细微的差异。注意：这并不能让您免于统计运行，但它确实使单次运行可重现。Benchmarker工具可以输出图表，以便更容易看到算法做了什么。所以不要只看结果，还要看它是如何到达那里的。起初它可能做得很好，但后来陷入了局部最优。
正是这些东西让你深入了解算法中实际发生的事情。
另外，请参阅我关于模拟退火的博客文章。