简介导引模拟退火法及其应用.docVIP

簡介導引模擬退火法及其應用 李世炳1 鄒忠毅2 中央研究院物理研究所 1e-mail: spli@.tw 2e-mail: cichou@.tw 1.前言： 最佳化問題實際上是一門非常古老的學科，它存在於各行各業中，是一門跨領域的學科。其中一個最有名的例子是所謂的旅行商問題（Traveling Salesman Problem）。在這個例子中，該名旅行商需要跑遍N（N大於一）個城市去推銷他的商品，而該些城市之間的距離都不一樣，這名推銷員需要從其中一個城市出發，而他老闆規定他必須把所有城市跑過一遍，請問這名旅行商應該如何繞才是最省時間（假定他的速度一直不變），也就是說，這名旅行商要找出一個最短距離的路徑。這個問題看起來簡單，實際上是一個非常複雜的數學問題。譬如說，現在只有兩個城市，如果這名旅行商從其中一個城市出發，那這裡只有一個可供這名推銷員可選擇的路徑。假如現在有三個城市，路徑還是只有一個，因為他從其中一個城市出發繞一圈跟他反方向繞一圈的路徑距離是一樣的。意思是說假如該三個城市分別是A，B，C。他從A出發，先到達B然後C，再回到A，跟他先到達B，然後C再回到A所經過的距離是一樣的。假如現在有四個城市A，B，C，D，那他就有三個選擇，他必須先把三個不同的路徑的距離算出來後再決定要選擇那一個。因此城市的數量愈多，可能的路徑也愈多，而且增加的速度是非線性的，十個城市的所有可能路徑就會有十八萬一千四百四十個之多，假如他每一個路徑的距離都要先算出來後再作選擇，那他所需要的時間簡直就是天文數字，在實際的情況，他根本沒有那麼多的時間去做這件事，而設計一個有效的方法去找尋這個最短的路徑就是所謂最佳化問題的基本精神。 以上所介紹的旅行商問題（Traveling Salesman Problem），是屬於數學上所謂的NP問題。這類問題之所以被稱作NP問題，是因為隨著問題中的變數的逐漸增加，它的複雜度卻以驚人的速度在增加。在過去人們對這類問題根本是束手無策，但隨著電腦的出現，人們可以發展更有效的演算法，並且在電腦上模擬，使得尋找這類問題的最佳化答案變成為可能。最早期發展中的一個演算法是人們稱之為蒙地卡羅（Monte Carlo）演算法，是Metropolis[1]等人在一九五三年提出。雖然已經有了五十年的歷史，但是因為它的簡單性跟實用性，它還是被廣泛運用在各種最佳化問題中。它主要的概念是把所要研究的問題看成是一個統計系統，而一個統計系統的某一個溫度是的狀態分布是滿足一個波茲曼（Boltzmann）概率分布函數。因此在問題中尋找最佳化解答時，就是利用這個分布函數來選取答案。譬如說在前面的旅行商問題中，我們先隨意的把這N個城市連起來，如果N不是一個小數值，那我們剛剛連起來的路徑幾乎不可能是最短的路徑。在蒙地卡羅演算法中，我們就從這個路徑開始，來尋找最短的路徑。我們可以在這N個城市中隨機的選取其中兩個A跟B，並且把它們交換，意思是說我們的旅行商本來要先到達A城推銷他的商品，然後經過若干城市後再到B城推銷他的商品。現在卻是先到達B城推銷他的商品，然後經過若干城市後再到A城推銷他的商品。經過這樣的交換後，我們在把新的路徑連起來，假如這個新的路徑比舊的來得短的話，我們就把新的保留，但假如這個新的路徑比舊的來得長的話，我們還是有一個概率把新的保留下來，而要不要保留這個新的路徑就是用前述的波茲曼概率來決定。 模擬退火法（Simulated Annealing）是Kirkpatrick[2]等人在一九八三年提出並成功地應用在組合最佳化問題中，它是蒙地卡羅演算法的推廣。退火是一種物理過程，一種金屬物體再加熱至一定的溫度後，它的所有分子在狀態空間中自由運動。隨著溫度的下降，這些分子逐漸停留在不同的狀態。在溫度最低時，分子重新以一定的結構排列，而分子的分布也就是以前面所述的以波茲曼（Boltzamnn）概率分布。不同於上述所介紹的蒙地卡羅演算法，模擬退火法中的溫度是隨著退火的時候有所改變，因此如何對溫度作有效的調整就變成整個模擬退火法最重要的一環。 以上所介紹的演算法都屬於同一類型的演算法，是所謂的局部搜索方法（local search method）。這類問題雖然在局部搜索的能力很強，但是對於全局搜索（global search）的能力卻嫌不足，因此研究學者也開始開發具有全局搜索能力的演算法，其中一個最早誕生且被廣泛應用的演算法就是所謂的遺傳演算法（Genetic Algorithm---GA）。遺傳演算法早期的研究工作始於二十世紀六十年代，在五十年代末六十年代初，一些生物學家開始利用電腦對遺傳系統進行模擬。在此期間，受到生物學家們模擬結果的啟發，Holland和他的學生們首次應用模擬遺傳算子來研究適應性中的人工問題。之後，在六十年代中期，Holland[3