算法-模拟退火算法相关疑问

发布于 2017-05-22 12:59:09 字数 54 浏览 999 评论 1

为什么和起始点无关?算法是向一个方向遍历的,如果起始点本身就已经过了最值点,那不还是找不到么?

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

甜柠檬 2017-06-01 01:52:46

先看下面的过程:
1: 初始温度设定为T,算法结束温度为TMin,初始解为S[0],评价函数为Value。
2: 既然是退火算法,那么将温度衰减设定为一个(0,1)之间的数值x,T= T*x。x如果比较小,那么降退火速度会比较快,可能陷入局部最优解; 如果x比较大,退火速度慢,搜索时间长,但是找到最优解的概率大。
3: 算法执行过程中的解状态S[i],S[i+1], 如果评价函数Value(S[i+1]) > Value(S[i]),说明找到了一个更好的解,无条件接受; 如果Value(S[i+1]) < Value(S[i]), 也不能完全不接受,不然就是鼠目寸光的爬山算法,这时候以一定的概率接受,设这个概率为P,但是这个P不能是一个恒定数值,那样造成求解过程不稳定,所以P要在算法执行过程中降低,和2中的T相关,T较高的时候,P也较大,可以接受差解,T较低的时候(算法趋于结束,求解过程要稳定一些了),这时候P也降低,不再轻易的接受差解。

while(T>TMin)
{
if(Value(S[i+1]) > Value(S[i])){
// 移动到i+1的位置
}else{
// 一定概率接受差解
if(P(T)>random(0,1)){
// 移动到i+1的位置
}
}
T =T*x;
i++;
}

随着T的减小,接受差解的概率P(T)也在减小,最终得到一个近似最优解。

针对你的问题的几个结论:
1: 模拟退火是初始值不敏感的,而不是完全无关。
2: 算法可以遍历整个解空间,你所说的“向一个方向”是不对的,上面描述的S[i]到S[i+1]也不是一个固定的方向。
3: 如果起始点本身就已经过了最值点,也是可以找到的,因为模拟退火是初始值不敏感的,经过数次的跳跃之后,还是会找到一个近似的最值。

兔子喝醉了。它随机地跳了很长时间(当然不是固定方向)。这期间,它可能走向高处(接受更好的解),也可能踏入平地(可能接受更差的解)。但是,它渐渐清醒了(P(T)接受差解的概率降低)并朝最高方向跳去(退化为爬山算法)。

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文