智能优化法模拟退火算法.ppt

* SA的模拟要求 初始温度足够高 降温过程足够慢 终止温度足够低 三.SA的算法构造及步骤（1） * 问题的描述及要素 三.SA的算法构造及步骤（2） * SA的计算步骤 初始化,任选初始解, ,给定初始温度 ，终止温度 ，令迭代指标 。 注：选择 时，要足够高，使 随机产生一个邻域解， 计算目标值增量 三.SA的算法构造及步骤（3） * 若 转步④ (j比i好无条件转移) ；否则产生 (j比i好，有条件转移)。 注： 高时，广域搜索； 低时，局域搜索 若达到热平衡(内循环次数大于 )转步⑤，否则转步②。 三.SA的算法构造及步骤（4） * 降低 ，若 停止，否则转步②。 注：降低 的方法有以下两种 流程框图见下页 三.SA的算法构造及步骤（5） * 内循环 产生 开始 停止 Y N Y N ，降温 外循环 设定 产生 计算 Y Y N N * 问题的提出 单机极小化总流水时间的排序问题 四个工作： ， 求 的最优顺序。 四.计算举例 （1） * 预备知识：按SPT准则，最优顺序为3-1-4-2 四.计算举例 （2） * 用SA求解这个问题 状态表达：顺序编码 邻域定义：两两换位定义为邻域移动 解： 设 降温过程定义为 初始解：i=1-4-2-3 四.计算举例 （3） * ⑴ ① ② ③ 注释： ①无条件转移； ②③为有条件转移； 在②③中，虽然目标值变坏，但搜索范围变大； 是随机产生的 四.计算举例 （4） * ⑵ ① ② ③ 注释： ①有条件转移； ②为无条件转移； 在③中，停在4-3-1-2状态，目标值仍为109； 四.计算举例 （5） * ⑵ ① ② ③ 注释： ① ②无条件转移； 在③中，停在3-1-4-2状态，目标值仍为92； SA没有历史最优，不会终止在最优解，故算法一 定要保持历史最优。 四.计算举例 （6） * 2.4 TSP问题的求解 模拟退火算法 编码 最常用策略：路径编码 直接采用城市在路径中的位置来构造用于优化的状态。 例：九城市TSP问题，路径：5-4-1-7-9-8-6-2-3 路径编码：(5 4 1 7 9 8 6 2 3) * 2.4 TSP问题的求解 状态产生函数 对于基于路径编码的SA状态产生函数操作，可设计为： 互换操作 逆序操作 插入操作 例：状态为(5 4 1 7 9 8 6 2 3)，两随机位置为2，6 互换操作结果：(5 8 1 7 9 4 6 2 3) 逆序操作结果：(5 8 9 7 1 4 6 2 3) 插入操作结果：(5 8 4 1 7 9 6 2 3) [1-10周]三[7-8节] 南校区(天马) 综313(多媒体(自带电脑)) 人数：94 [1-10周]五[5-6节] 南校区(天马) 综112(多媒体(自带电脑)) 人数：94 * * * * * * * * 模拟退火算法的基本思想 启发 注意到一个自然规则：物质总是趋于最低的能态。 水总是向低处流。 电子总是向最低能级的轨道排布。 最低能态是最稳定的状态。物质会”自动”地趋向的最低能态。 模拟退火算法的设计与原理猜想 物质自动趋向的最低能态与函数最小值之间有相似性！！！ 我们能不能设计一种算法求函数最小值，就像物质”自动”地趋向最低能态？ 降温图像 离散函数图像 相似性? 最小值 最低能态 物理模型——固体退火 退火俗称固体降温 先把固体加热至足够高温，使固体中所有粒子处于无序的状态（最高的熵值），然后将温度缓慢下降，粒子渐渐有序（熵值下降），这样只要温度上升得足够高，冷却过程足够慢，则所有粒子最终会处于最低能态（最低的熵值）。 最低能态 时间 温度 模拟退火算法的设计与原理类比 根据Metropolis准则，粒子在温度T时趋于热平衡的概率为 其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。 可以设计算法：将系统熵值类比为函数值F，来模拟这个退火过程。 Metropolis准则（1953）——以概率接受新状态 p=exp[-(Ej-Ei)/kBT] 在高温下，可接受与当前状态能量差较大的新状态； 在低温下，只接受与当前状态能量差较小的新状态。 * 2.3 模拟退火算法及其应用 物理退火过程由以下三部分组成： 加温过程 增强粒子热运动，使其偏离平衡位置。当温度足够高时，固体熔解为液体，消除