Ch2 模拟退火算法
Ch2 模拟退火算法
引言
模拟退火算法(simulated annealing SA)，由Metropoli于1953年提出来，Kirkpatric在1983年将其用于离散问题的最优化。
它基于概率统计学中著名的Mente Carlo迭代求解策略的一种随机寻优算法。 其出发点是基于物理中固体物质的退火过程，与一般优化问题之间的相似性。 模拟退火算法是在某一参数(温度)的初值(初温)，伴随着该参数(温度)不断下降，结合概率突跳特性，在解空间中随机寻找目标函数的最优解。
能概率性地跳出局部优解，达到全局最优解。
在VLSI、生产调度、控制工程、机器学习、神经网络、图像处理有应用实例。
1、盲目搜索还是启发式搜索？ 按照预定的控制策略实际搜索，在搜索过程中获取的中间信息不用来改进控制策略，称为盲目搜索，反之为启发式搜索。启发式搜索有助于加速求解过程，但是找到的解可能不是最优解。
盲目搜索：深度优先、广度优先、代价优先、向前、向后、双向。
启发式搜索：爬山法、模拟退火、遗传、粒子群、蚁群等智能优化算法。 2、贪心算法
(1)随机选定一个初始解x0; (2)do while (中止条件不满足) (2.1)在某个邻域函数所定义的领域范围内，按照某个(随机)扰动 产生策略，得到一个新解xi'；
(2.2)对新解进行评估或计算，得到f(xi')； (2.3)如果f(xi')>f(xi)（或f(xi')< f(xi)，即新解比老解好，则xi+1=xi'，否则xi+1=xi。 (3)enddo
3、爬山法
你可能喜欢
- 模拟退火算法matlab
- 蒙特卡罗算法
- 光学基础
- 算法入门
- 遗传算法程序
