03模拟退火讲解.pptVIP

模拟退火法Simulated Annealing 简介 模拟退火法（ Simulated Annealing；SA） 最早的想法是由N.Metropolis 等人于1953 年所提出，在当时并没有受到重视。 直到1983 年由Kirkpatrick et al. 提出蒙地卡罗模拟（MonteCarlo Simulated）概念的随机搜寻技巧，利用此方法来求解的组合最佳化问题时，才使此算法受到重视。 简介 SA的观念主要来自于固体加热至一定的温度后，固体间的分子结构会被打散瓦解变为液态结构， 接着再对其降温过程加以控制，当完全冷却能使其分子在液态结构转变为固体结构时，重新排列成我们所预期的稳定状态 机理 金属降温过程中的能量态选择 简介 当搜索落入局部陷阱时，通过随机的过程，以机率性质来接受一个暂劣解使其算法能跳脱目前的区域最佳解，而有机会能达到另一个最佳解 模拟退火法采用Metropolis的 接受法则（Accepting Rule） 模拟退火法能否成功应用在于退火程序的合理选择 简介 假设在搜寻最佳解的过程中 若令i 代表在时间k 的现有解，其成本为C(i) 下一个搜寻到的解，其成本为C(j) E = C(j) - C(i)为两个解之间的成本差，如图所示 简介 当j 的成本大于i 时，SA 会根据一机率决定是否要接受j来取代i 成为时间k+1 的新解 因此当搜寻到的新解比现有解之成本大时，会有一个机率值来决定是否接受交换。 SA 基本上是以Metrolopis 接受法则为基础，再配合退火程序，藉由温度逐渐的降低来调整是否接受成本较差新解的机率，当温度越低时，机率值也跟着降低 SA 的运作流程 包含了四个基本要素 初始状态（Configuration）：即在某一个温度下，系统产生的初始解，并当作目前的现行解 搜寻法则（Search rule）：在退火的过程中，由目前系统状态经由随机扰动而产生变化跳至另一种状态 对组合优化问题而言就是邻域搜索策略 SA 的运作流程 包含了四个基本要素 成本函数（Cost Function）：用来衡量某一系统状态下之能量函数 退火程序（Annealing Process）：退火程序中包含的参数有初始温度、降温机制、冷却率和终止温度 在退火的过程中，在温度高的时候，虽然是较差的目标值，但有可能被接受当成目前的目标值，但随着温度慢慢的降低，接受较差目标值的机率逐渐降低 SA 的运作流程 伪代码 begin Initialize(i0,t0,L0); i=i0; % the initialized solution; t=t0;L=L0; repeat for l:=1 to L do begin Generate(j from Si) %generate a new solution j if f(j) = f(i) then i:=j; else if random[0,1) then i:=j end caculatLength(L) % get a new L,Length of the Markov chain caculatTemperature(t)% get a new temperature until stopCriterion end 退火程序之参数设定 初始温度 为了防止落入区域极小的陷阱，在模拟退火法中初始温度的设定必须使得大部份的（优解向劣解）转移均可被接受 初始温度的设定可以是一个定值， 如Kirkpatrick等学者 ( 1983 ) 将初始温度定为10 Heragu 以及 Alfa ( 1992 ) 将初始温度定为999 初始温度亦可由试算获得： 退火程序之参数设定 终止条件 终止条件最简单的设定方式是指定一个固定的终止温度，一般是一个接近于零较小的数，或是限制降温次数不超过预定值 其它方式则为检查所求得的解是否有所改善，如在1992 年Kouvelis 与 Chiang设定若经过数次降温后所得的解仍未改善或移转接受比率低于一个定值，则将终止模拟退火法的运算。 退火程序之参数设定 降温时机 降温时机乃指马可夫链长度，亦即在同一温度下所应反复进行Metropolis 演算的次数 最直接的方式是设定一个固定长度，但此长度与问题规模有关，如在1992 年Kouvelis 与Chiang 将其设定为邻近解个数之比率。 此外亦可设定降温时机为移转接受次数已达一定值，如Heragu 以及 Alfa（1992）所使用的方式。