研究生课程-算法设计与分析之模拟退火算法研究报告.pptVIP

* 算法设计与分析 北京交通大学计算机学院 李清勇 E-mail: qingyongli@ Tel: 主校区: 9号楼 北517 爬山算法 function Hill-Climbing (problem) returns a solution state local variables : current // a node. next // a node. current ? Make-Node ( Initial-State [ problem ]) // make random initial state. loop do next ? a highest-valued successor of current if Value [next] Value [current] then return current else current ? next end 改进途径一： 随机选择开始状态，多次调用爬山算法（在资源许可的范围之内），然后选择最优的结果。 改进途径二： 模拟退火算法（随机算法的范畴）。 爬山算法的局限 简介 模拟退火法（ Simulated Annealing,SA）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。 当目前状况是落于局部的最佳解時，SA算法会采用重新加热类似的動作：通过随机的过程，以概率性质來接受一個暂劣解使算法能跳出目前的局部最佳解，而有机会能达到另一個最佳解。 简介 假設在搜索最佳解的过程中 当前解的成本为C(i) 下一個解的成本为C(j) D E = C(j) - C(i)为两个解之间的成本差， 简介 当 j 的成本大于 i 时，SA 会根据一概率決定是否要接受 j來取代 i 成为下一时刻的新解 因此當搜寻到的新解比現有解之成本大時，会有一个概率值來決定是否接受它— Metrolopis 接受法則。 SA 基本上是以Metrolopis 接受法則为基础，再配合退火程序，藉由溫度逐渐的降低來调整是否接受成本较高新解的概率，當溫度越低時，机率值也跟著降低。 SA 的运作流程 包含了四個基本要素 系统状态（Configuration）：即在某一個溫度下，系統產生的初始解，并當作現行解 搜寻法則（Search rule）：在退火的過程中，由目前系统状态经由随机扰动而产生变化跳至另一种状态 一般而言，SA 較常用的有梯度搜寻法和迭代改善法 SA伪代码 Algorithm SIMULATED-ANNEALING Begin temp = INIT-TEMP; place = INIT-PLACEMENT; while (temp FINAL-TEMP) do while (inner_loop_criterion = FALSE) do new_place = PERTURB(place); ΔC = COST(new_place) - COST(place); if (ΔC 0) then place = new_place; else if (RANDOM(0,1) e-(ΔC/temp)) then place = new_place; temp = SCHEDULE(temp); End. 退火程序之参数设定 初始温度 为了防止落入局部极小的陷阱，在SA中初始溫度的設定必須使得大部份的转移均可被接受 初始溫度的設定可以是一個定值， 初始溫度亦可由所設定之转移接受机率的门槛值 P 0來反推求得，如Kouvelis 以及 Chiang( 1992 ) 將初始溫度定為