如何让Python处理极小数值？解决模拟退火中的除零错误

你遇到的问题本质是当temperature趋近于0时，浮点数精度限制或退火逻辑导致它实际变成了0.0，触发了除零错误。即便你认为它只是接近0，但Python浮点数在极小值场景下可能被截断为0，或是你的退火调度函数最终将temperature降到了0。

针对你的代码，给出几个实用修复方案：

方案1：给temperature设置极小下限 #

在函数内部或传入参数前，确保temperature不会低于一个极小值（比如1e-10），既避免除零错误，也符合模拟退火后期不再接受差解的逻辑：

import math

def probability(d_new, d_old, temperature):
    delta = d_new - d_old
    # 给温度设置下限，避免趋近于0
    temp = max(temperature, 1e-10)
    if delta >= 0:
        probability = math.e ** (-delta / temp)
    else:
        probability = 1
    return probability

方案2：温度极低时直接返回0 #

当temperature足够小时，math.e ** (-delta/temp)的结果趋近于0，这时候直接返回0即可，无需执行计算：

import math

def probability(d_new, d_old, temperature):
    delta = d_new - d_old
    if delta < 0:
        return 1
    # 温度过低时直接返回0，不接受差解
    if temperature < 1e-10:
        return 0.0
    return math.e ** (-delta / temperature)

额外优化点 #

• 你代码里重复计算了d_new - d_old，用提前定义的delta代替更高效。
• 模拟退火的温度调度函数要注意，不要让temperature直接降到0（比如用temperature = temperature * alpha，alpha为小于1的系数），但受限于浮点数精度，最终仍可能趋近于0，所以加下限更稳妥。

Jupyter Notebooks本身不会导致这个错误，问题出在温度的处理逻辑上。

内容的提问来源于stack exchange，提问作者cookiecainsy