人工智能 高级搜索教材课程.pptVIP

第3章 高级搜索;3 高级搜索;3 高级搜索; 算法的思想最早由Metropolis在1953年提出，Kirkpatrick等人在1983年成功地将模拟退火算法用于求解组合优化问题。 基本思想：借用金属的退化过程改进局部搜索算法.在冶金中，退火是为了增强金属和玻璃的韧性和硬度而先把它们加热到高温再让它们逐渐冷却的过程，能使材料结合成一个低能量的结晶态。; 受固体退火过程的启发， Kirkpatrick等人意识到组合优化问题与固体退火过程的类似，将组合优化问题类比为固体的退火过程，提出了求解组合优化问题的模拟退火算法。 如果以粒子的排列或者相应的能量来表达固体所处的状态，在温度T下，固体所处的状态具有一定的随机性。一方面，物理系统倾向于能量较低的状态，另一方面，热运动又妨碍系统准确落入低能状态。 于是可定义状态转移准则：;3.1 模拟退火算法;3.1 模拟退火算法;系统能量变化与温度变化关系： 在高温下，系统基本处于无序的状态，基本以等概率落入各个状态。 在给定的温度下，系统落入低能量状态的概率大于系统落入高能量状态的概率，这样在同一温度下，如果系统交换的足够充分，则系统会趋向于落入较低能量的状态。;达到最小能量状态的三个条件 （1）初始温度必须足够高； （2）在每个温度下，状态的交换必须足够充分； （3）温度T的下降必须足够缓慢。 ;问题解法： 首先给定较大的t，并随机给定问题的一个解i作为初始解； 在给定t下，随机在i的邻域中产生一个解j，i到j的转移按照Metropolis准则确定，如f(i)f(j)就交换，否则按一定概率交换；重复多次直到达到平衡，即少有交换再发生，或交换次数达到一定值； 缓慢降低t，重复上述过程； 最终得到一个最优解。;算法流程： 随机选择一个解s＝s0,初始温度t=t0,k=0,计算指标f(i); Do { Do { 从当前状态i邻域随机选择一个j,计算指标f(i); 如果j比i优，直接转移到优解j；否则计算转移概率，以一定概率转移到劣解j； } while 在该温度下达到平衡状态； 修改循环参数：tk+1=down(tk)，k=k+1； } while 算法终止条件满足；;该算法有内外两层循环： 内循环模拟的是在给定温度下系统达到热平衡的过程，每次循环随机地产生一个新解，然后按照状态接受函数，随机地接受该解; 外循环模拟的是温度的下降过程，控制参数tk起到与温度T相类似的作用，表示的是第k次循环时系统所处的温度。算法中的down(tk)是一个温度下降函数，它按照一定的原则实施温度的缓慢下降。;算法的关键： 1. 初始温度： 初始温度必须足够高，使得在初始温度下，以等概率处于任何一个状态，来消除初始条件的差别，以保证从任意选择的初始解可以到达最优解； 2. 平衡状态判别（内循环结束）准则 即每个温度状态交换何时结束，是内循环的结束条件； 3. 算法（外循环）结束准则 外循环的结束条件，即温度下降到什么时候结束； 这三个关键问题恰好是固体退火的三个条件。;3.1 模拟退火算法;3.1 模拟退火算法;3.1 模拟退火算法;3.1 模拟退火算法;3.1 模拟退火算法;新解的产生 采用两个城市间的逆序交换方式得到问题的一个新解。 设当前解是（π1、……、 πn），被选中要逆序交换的城市是第u和第v个到访的城市，uv。则逆序排列u和v之间的城市，得到问题的新解为： 则两个路径的距离差为： ;3.1 模拟退火算法;10城市旅行商问题求解结果 ;20城市旅行商问题求解结果 ; 进化计算（Evolutionary Computation,EC）是在达尔文（Darwin）的进化论和孟德尔（Mendel）的遗传变异理论的基础上产生的一种在基因和种群层次上模拟自然界生物进化过程与机制的问题求解技术。它主要包括四大分支 遗传算法（Genetic Algorithm，GA） 进化策略（Evolutionary Strategy,ES） 进化规划（Evolutionary Programming,EP） 遗传规划（Genetic Programming,GP） 其中，第一个分支是进化计算中最初形成的一种具有普遍影响的模拟进化优化算法。; 进化计算是20世纪50年代以来发展起来一种模拟自然界生物进化过程与机制进行复杂优化问题求解的自组织、自适应的随机搜索技术。它以达尔文进化论的“物竟天择、适者生存”作为算法的进化规则，并结合孟德尔的遗传变异理论，将生物进化过程中的特征引入到了算法中： 繁殖（Reproduction） 变异（Mutation） 竞争（Competition） 选择（Selection）;进化计算发展过程大致