运筹学的优化算法幻灯片.pptVIP

* 模拟退火算法的实现与应用 参数设定 截止温度 tf=0.01; 退温系数 alpha=0.90; 内循环次数 L=200*CityNum; 30城市TSP问题（d*=423.741 by D B Fogel） * 模拟退火算法的实现与应用 运行过程 30城市TSP问题（d*=423.741 by D B Fogel） * 模拟退火算法的实现与应用 运行过程 30城市TSP问题（d*=423.741 by D B Fogel） * 模拟退火算法的实现与应用 运行过程 30城市TSP问题（d*=423.741 by D B Fogel） * 典型问题——旅行商问题（Traveling salesman problem, TSP） 计算复杂度：指数灾难 城市数 24 25 26 27 28 29 30 31 计算 时间 1 sec 24 sec 10 min 4.3 hour 4.9 day 136.5 day 10.8 year 325 year TSP的搜索的困难 * 模拟退火法 * 模拟退火算法及模型 算法的提出 模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化。 算法的目的 解决NP复杂性问题； 克服优化过程陷入局部极小； 克服初值依赖性。 物理退火过程 * 物理退火过程 什么是退火： 退火是指将固体加热到足够高的温度，使分子呈随机排列状态，然后逐步降温使之冷却，最后分子以低能状态排列，固体达到某种稳定状态。 物理退火过程 * 模拟退火算法及模型 物理退火过程 加温过程——增强粒子的热运动，消除系统原先可能存在的非均匀态； 等温过程——对于与环境换热而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行，当自由能达到最小时，系统达到平衡态； 冷却过程——使粒子热运动减弱并渐趋有序，系统能量逐渐下降，从而得到低能的晶体结构。 物理退火过程 * * 模拟退火算法及模型 数学表述 在温度T，分子停留在状态r满足Boltzmann概率分布 物理退火过程 * 模拟退火算法及模型 数学表述 在同一个温度T，选定两个能量E1E2，有 在同一个温度，分子停留在能量小的状态的概率比停留在能量大的状态的概率要大。 物理退火过程 1 0 * 模拟退火算法及模型 数学表述 若|D|为状态空间D中状态的个数，D0是具有最低能量的状态集合： 当温度很高时，每个状态概率基本相同，接近平均值1/|D|； 状态空间存在超过两个不同能量时，具有最低能量状态的概率超出平均值1/|D| ； 当温度趋于0时，分子停留在最低能量状态的概率趋于1。 物理退火过程 能量最低状态 非能量最低状态 * 模拟退火算法及模型 Metropolis准则（1953）——以概率接受新状态 固体在恒定温度下达到热平衡的过程可以用Monte Carlo方法（计算机随机模拟方法）加以模拟，虽然该方法简单，但必须大量采样才能得到比较精确的结果，计算量很大。 物理退火过程 * 模拟退火算法及模型 Metropolis准则（1953）——以概率接受新状态 若在温度T，当前状态i → 新状态j 若EjEi，则接受 j 为当前状态； 否则，若概率 p=exp[-(Ej-Ei)/kBT] 大于[0,1)区间的随机数，则仍接受状态 j 为当前状态；若不成立则保留状态 i 为当前状态。 物理退火过程 * 模拟退火算法及模型 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。 物理退火过程 * 模拟退火算法及模型 相似性比较 组合优化与物理退火的相似性 组合优化问题 金属物体 解 粒子状态 最优解 能量最低的状态 设定初温 熔解过程 Metropolis抽样过程 等温过程 控制参数的下降 冷却 目标函数 能量 * 算法描述 * 案例讲解 已知敌方100个目标的经度、纬度 我方有一个基地，经度和纬度为（70,40）。假设我方飞机的速度为1000公里/