第8章 智能优化.pptVIP

Visual FoxPro 8.1 模拟退火算法 模拟退火算法概述 8.2 遗传算法 遗传算法概述 遗传算法关键参数 8.3 粒子群优化算法 粒子群算法的基本结构 粒子群算法的关键参数 8.4 人工神经网络 神经网络模型 神经网络学习规则 8.1.1 物理退火过程和Metropolis准则 通过对固体退火过程的研究可知，高温状态下的物质降温时其内能随之下降，如果降温过程充分缓慢，则在降温过程中物质体系始终处于平衡状态。从而降到某一低温时其内能可达最小，称这种降温为退火过程，模拟退火过程的寻优方法称为模拟退火（simulated annealing,SA）算法。 8.1.2 模拟退火算法概述 1. 模拟退火的基本思想 模拟退火算法可以分解为解空间、目标函数和初始解三部分。 模拟退火算法简单步骤描述如下： (1) 初始化：初始温度T(充分大)，初始解状态S(是算法迭代的起点)， 每个T值的迭代次数L； (2) 对k=1，……，L做第(3)至第6步； (3) 产生新解S′； (4) 计算增量Δt′=C(S′)-C(S)，其中C(S)为评价函数； (5) 若Δt′0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接受S′作为新的当前解。 (6) 如果满足终止条件则输出