第二章模拟退火算法教材课程.pptVIP

第二章 模拟退火算法 现代优化计算方法 2.1 模拟退火算法及模型 2.1.1 物理退火过程 2.1.2 组合优化与物理退火的相似性 2.1.3 模拟退火算法的基本思想和步骤 2.2 模拟退火算法的马氏链描述 2.2.1 马尔可夫链 2.2.2 模拟退火算法与马尔可夫链 2.3 模拟退火算法的关键参数和操作的设计 2.3.1 状态产生函数 2.3.2 状态接受函数 2.3.3 初温 2.3.4 温度更新函数 2.3.5 内循环终止准则 2.3.6 外循环终止准则 现代优化计算方法 2.4 模拟退火算法的改进 2.4.1 模拟退火算法的优缺点 2.4.2 改进内容 2.4.3 一种改进的模拟退火算法 2.5 模拟退火算法实现与应用 现代优化计算方法 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 数学表述 在温度T，分子停留在状态r满足Boltzmann概率分布 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 1 0 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 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。 2.1.1 物理退火过程 2.1 模拟退火算法及模型 现代优化计算方法 相似性比较 2.1.2 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 2.1 模拟退火算法及模型 现代优化计算方法 基本步骤 给定初温t=t0，随机产生初始状态s=s0，令k=0； Repeat Repeat 产生新状态sj=Genete(s)； if min{1,exp[-(C(sj)-C(s))/tk