- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
大白话解析模拟退火算法
优化算法入门系列文章目录(更新中):
1.?模拟退火算法
2.?遗传算法
一. 爬山算法 ( Hill Climbing )
???????? 介绍模拟退火前,先介绍爬山算法。爬山算法是一种简单的贪心搜索算法,该算法每次从当前解的临近解空间中选择一个最优解作为当前解,直到达到一个局部最优解。
???????? 爬山算法实现很简单,其主要缺点是会陷入局部最优解,而不一定能搜索到全局最优解。如图1所示:假设C点为当前解,爬山算法搜索到A点这个局部最优解就会停止搜索,因为在A点无论向那个方向小幅度移动都不能得到更优的解。
图1
?
二. 模拟退火(SA,Simulated Annealing)思想
???????? 爬山法是完完全全的贪心法,每次都鼠目寸光的选择一个当前最优解,因此只能搜索到局部的最优值。模拟退火其实也是一种贪心算法,但是它的搜索过程引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。以图1为例,模拟退火算法在搜索到局部最优解A后,会以一定的概率接受到E的移动。也许经过几次这样的不是局部最优的移动后会到达D点,于是就跳出了局部最大值A。
???????? 模拟退火算法描述:
???????? 若J( Y(i+1) )>= J( Y(i) ) ?(即移动后得到更优解),则总是接受该移动
???????? 若J( Y(i+1) )< J( Y(i) ) ?(即移动后的解比当前解要差),则以一定的概率接受移动,而且这个概率随着时间推移逐渐降低(逐渐降低才能趋向稳定)
这里的“一定的概率”的计算参考了金属冶炼的退火过程,这也是模拟退火算法名称的由来。
根据热力学的原理,在温度为T时,出现能量差为dE的降温的概率为P(dE),表示为:
P(dE) = exp( dE/(kT) )
其中k是一个常数,exp表示自然指数,且dE<0。这条公式说白了就是:温度越高,出现一次能量差为dE的降温的概率就越大;温度越低,则出现降温的概率就越小。又由于dE总是小于0(否则就不叫退火了),因此dE/kT < 0 ,所以P(dE)的函数取值范围是(0,1) 。
随着温度T的降低,P(dE)会逐渐降低。
我们将一次向较差解的移动看做一次温度跳变过程,我们以概率P(dE)来接受这样的移动。
关于爬山算法与模拟退火,有一个有趣的比喻:
爬山算法:兔子朝着比现在高的地方跳去。它找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是爬山算法,它不能保证局部最优值就是全局最优值。
模拟退火:兔子喝醉了。它随机地跳了很长时间。这期间,它可能走向高处,也可能踏入平地。但是,它渐渐清醒了并朝最高方向跳去。这就是模拟退火。
下面给出模拟退火的伪代码表示。
三. 模拟退火算法伪代码
代码
/* * J(y):在状态y时的评价函数值 * Y(i):表示当前状态 * Y(i+1):表示新的状态 * r: 用于控制降温的快慢 * T: 系统的温度,系统初始应该要处于一个高温的状态 * T_min :温度的下限,若温度T达到T_min,则停止搜索*/while( T > T_min ){ dE = J( Y(i+1) ) - J( Y(i) ) ; if ( dE >= 0 ) //表达移动后得到更优解,则总是接受移动 Y(i+1) = Y(i) ; //接受从Y(i)到Y(i+1)的移动 else { // 函数exp( dE/T )的取值范围是(0,1) ,dE/T越大,则exp( dE/T )也 if ( exp( dE/T ) > random( 0 , 1 ) ) Y(i+1) = Y(i) ; //接受从Y(i)到Y(i+1)的移动 } T = r * T ; //降温退火 ,0<r<1 。r越大,降温越慢;r越小,降温越快 /* * 若r过大,则搜索到全局最优解的可能会较高,但搜索的过程也就较长。若r过小,则搜索的过程会很快,但最终可能会达到一个局部最优值 */ i ++ ;}
四. 使用模拟退火算法解决旅行商问题
旅行商问题 ( TSP , Traveling Salesman Problem ) :有N个城市,要求从其中某个问题出发,唯一遍历所有城市,再回到出发的城市,求最短的路线。
旅行商问题属于所谓的NP完全问题,精确的解决TSP只能通过穷举所有的路径组合,其时间复杂度是O(N!) 。
使用模拟退火算法可以比较快的求出TSP的一条近似最优
您可能关注的文档
- win快捷键大集合技术文件.doc
- 变压器设计技术文件.doc
- 变压器运行知识技术文件.doc
- 各种有限元分析软件比较技术文件.doc
- 可调直流稳压电源设计技术文件.doc
- 供应链管理的绩效评估体系技术文件.doc
- 不锈钢-热处理技术文件.doc
- 供应链与物流管理复习题技术文件.doc
- 会销中的文化技术文件.doc
- 复件随机信号分析与应用实验技术文件.doc
- 新闻类归纳概括题解题技巧课件.pptx
- 竞争分析介绍.pdf
- 无桥sepicpfc转换器具有低谐波失真高功率因数共享.pdf
- 人教课标高必修3unit2book 3一课一研reading.pdf
- 2023年11月福建福州市招商服务中心公开招聘编外人员1人笔试历年高频考点-难、易错点荟萃-附带答案详解.docx
- 2023年11月广东省茂名市电白区区直医疗卫生单位赴广东医科大学东莞校区现场公开招聘64名医技人员笔试历年高频考点(难、易错点荟萃)附带答案详解.docx
- 2023年11月深圳市大鹏新区区属公办中小学赴外面向2024年应届毕业生公开招聘46名事业编制教师1笔试历年高频考点(考察重点荟萃)附答案详解.docx
- 2023年12月山东省立第三医院招考聘用17人笔试历年高频考点(考察重点荟萃)附答案详解.docx
- 2023年11月北京经济技术开发区卫生健康领域事业单位招考聘用22人笔试历年高频考点-难、易错点荟萃-附带答案详解.docx
- 2023年11月安徽省产品质量监督检验研究院编制外人员招考聘用10人笔试历年高频考点-难、易错点荟萃-附带答案详解.docx
文档评论(0)