求解病态线性方程组的模拟退火算法.pdfVIP

第25卷第4期 大 学 数 学 V01．25．№．4 2009年8月 COLLEGEMATHEMATICS Aug．2009 求解病态线性方程组的模拟退火算法 王福昌， 胡顺田 (防灾科技学院基础部，河北三河065201) [摘要]病态方程组的条件数较大，当输入数据有微小扰动或计算过程中的舍入误差都可能引起输出 数据的很大扰动，使得解严重失真，因此求解此类方程组是相当困难的．本文尝试使用模拟退火算法来求解病 态线性方程组，得到了较好的结果，并与传统的求解方法作了简单的比较． [关键词]线性方程组；病态方程组；模拟退火算法 [中图分类号]0241．6[文献标识码]A [文章编号]1672—1454(2009)04—0069—04 1 引 言 在图像处理、反演问题、模型参数估计等许多领域都需要求解病态线性方程组，但是由于病态方程 组的条件数较大，输入数据有微小扰动或计算过程中的舍人误差都可能引起输出数据的很大扰动，即问 题的解很不稳定，因此求解此类方程组是相当困难的u]． 考虑如下形式的线性方程组 Ax—b。 (1) 其中A为挖阶非奇异方阵，x和b为咒维向量． 当系数矩阵A的条件数很大时，计算中的舍入误差常常造成解的巨大误差，这时方程组称为病态 方程组．常规的一些方法，如均衡处理、选主元法等，对病态问题几乎无能为力．方程组的病态问题严重 影响了计算结果的准确性和可靠性，人们一直在寻找有效的解法．现在已有的很多解法，如条件预优法、 迭代校正法、投影法、递推法、刚性常微分方程法、遗传算法[1’23等等．从算法的简便性、有效性上看，很 多并不理想．如有的算法有效性较好但比较复杂；有的算法实际上只能处理病态程度不太严重、问题规 模较小的问题，当问题的规模增大、病态程度加剧时，解的精度会十分明显甚至急剧下降等等[2。]． 本文使用文献E4]提出的模拟退火算法思想，针对病态方程组，给出了具体的求解步骤，并在 MATLAB环境下编程，针对经典的两个病态方程组进行了测试，得到了理想的结果． 2模拟退火算法原理 高温状态下的物质降温时其内部能量随之下降，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，其内能可以达到最小，称这种降温为退火过程．模仿退火过程 的寻优方法称为模拟退火算法(SimulatedAnnealing 率的意义上找出目标函数的全局最小点．模拟退火算法包含的基本步骤如下[5酒]： (i)随机给定初始状态T0和初始点‰，计算该点的函数值f(x。)，设定合理的退火策略； [修改日期]2007—04—25 [收稿日期]2007一01—15； [基金项目]防灾科技学院教学建设与教学研究项目(08A07) 万方数据 70 大 学 数 学 第25卷 (iii)若Aft0，则接受新点，作为下一次模拟退火的初始点； 的为随机数，．．若P≤r，则接受新点，作为下一次模拟退火的初始点，否则仍取原来的点作为下一次模拟 退火的初始点．以上步骤称为Metroplolis过程； (v)按照降温规则逐渐降低控制温度，增加迭代次数，直至达到结束准则，停止迭代．否则返回(ii)． 在具体应用时，对不同的问题设计不同的更详细的计算规则． 3用模拟退火算法求解线性方程组 要使用模拟退火算法来求解此方程组，首先要把问题(1)转化为一个函数优化问题，为此构造如下 的优化问题 minf(x)一(A工一6)丁(A工一6)，x6风”． (2) 易见，f(x‘)=0舒Ax。=b，即z’是方程组Ax=b的解． 按照模拟退火算法的一般原理，结合上面的问题，给出求解病态方程组问题的具体步骤： (i)选取初始温度丁0和最低温度丁，，每一温度下的迭代次数L。。，邻域规模因子