模拟退火算法(新).pptVIP

* t时刻处在各状态的概率向量 是行向量，假设系统在t+1时达到稳态，则 五.SA的收敛性分析 （4） * 解方程组： 可得结果： 可见青蛙是跳到第三块石头上的机会多一些 五.SA的收敛性分析 （5） * SA的收敛性分析 问题： 将状态按目标值进行升序编号， 即 五.SA的收敛性分析 （6） * 状态间的转移概率 设 为 i 选 j 为邻域点时，i j的转移概率 五.SA的收敛性分析 （7） * 设 是系统处于状态 i 时选择 j 为邻域移动点 的概率， 为状态 i 的邻域点的个数，则 则状态 i 到状态 j 的转移概率为 五.SA的收敛性分析 （8） * 当Tk很大时，则状态转移矩阵为： 分两种情况讨论： 五.SA的收敛性分析 （9） * 当 五.SA的收敛性分析 （10） * 当 状态1是 “捕捉的”（任何状态到1状态后都无法 转出）即青蛙跳到石头1上无法跳出。 五.SA的收敛性分析 （11） * 推理证明： 证毕 即SA将以概率1停在状态（石头）1上。 五.SA的收敛性分析 （12） * 定理：当P对称时，当达到热平衡时，对所有 有： 定理证明见下页。 五.SA的收敛性分析 （13） * 定理证明： 当达到热平衡时有 五.SA的收敛性分析 （14） * 问题：成组技术中加工中心的组成问题 设有m台机器，要组成若干个加工中心，每个 加工中心可有最多q台、最少p台机器，有n种 加工工作要在这些机器上加工。 如何组织加工中心，可使总的各中心的机器相 似性最好。 六.SA的应用举例（1） * 六.SA的应用举例（2） * 六.SA的应用举例（3） * 六.SA的应用举例（4） * 所有相似的机器放在同一个中心，极大化成组相似性 指定唯一性，一个机器只能放一个中心 每一个中心的机器数小于q台 每一个中心的机器数至少有p台 六.SA的应用举例（5） * 用SA求解 六.SA的应用举例（6） * 六.SA的应用举例（7） 不够时的惩罚 多了时的惩罚 * 六.SA的应用举例（8） 控制参数 * 编程最容易 大时，广域搜索性能好 小时，局域搜索性能好 理论上停止在最优解上，但实际上很难做到 SA是达优性较差的算法 七.学习SA的几点体会（1） 求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you * 第五章 模拟退火 * 第五章 模拟退火 一.导言 二.退火过程和Bolzman方程 三.SA的算法构造及步骤 四.计算举例 五.SA的收敛性分析 六.SA的应用举例 * 模拟退火的产生(SA) 1953年 Metropolis提出原始的SA算法，未引 起反响 1982年 Kirkpatrick提出现代的SA算法，得到广泛的应用 一.导言（1） * 基本思想 模拟热力学当中的退火过程 退火过程： 物体： 高温 低温 高能状态 低能状态 一.导言（2） 缓慢下降 * 淬火： 快速冷却，使金属处于高能状态，较硬易断 退火： 缓慢冷却，使金属处于低能状态，较为柔韧 一.导言（3） * 模拟退火在SA中的应用 在SA中将目标函数作为能量函数 模拟： 初始高温 温度缓慢下降 终止在低温 这时能量函数达到极小，目标函数最小 一.导言（4） * 热力学中的退火过程 变温物体缓慢降温从而达到分子之间能量最 低的状态 二.退火过程和Bolzman方程（1） * 二.退火过程和Bolzman方程（2） * Bolzman方程 二.退火过程和Bolzman方程（3） * 温度 对 的影响 当 很大时， ，各状态的概率几乎相等 SA开始做广域搜索，随着温度的下降 差别 扩大 二.退火过程和Bolzman方程（4） * 当 时， 与 的小差别带来