模拟退火(随机模拟的实际应用1）讲义.pptVIP

模拟退火(Simulated Annealing)Metropolis算法、TSP问题 模拟退火算法 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序， 在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。 根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。 模拟退火算法 用固体退火模拟组合优化问题：将内能E模拟为目标函数值f，温度T演化成控制参数t， 即得到解组合优化问题的模拟退火算法： 由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值， 算法终止时的当前解即为所得近似最优解。 这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。 模拟退火算法具体步骤 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ΔE’=C(S’)-C(S)，其中C(S)为评价函数 5.若ΔE’0则接