第八讲 模拟退火培训讲解.pptVIP

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 模拟退火算法应用（1） 0-1背包问题 一个旅行者有一个最多能装M公斤的背包，现在有N件物品， 它们的重量分别是W1，W2，...,Wn, 它们的价值分别为P1,P2,...,Pn.若每种物品只有一件。 求旅行者能获得的最大总价值。 模拟退火算法应用 例：已知背包的装载量为m=10,现在有n=5个物品，它们的重量和价值分别是 (2,3,5,1,4)和(2,5,8,3,6)。试使用模拟退火算法求解该背包问题。 模拟退火算法应用 问题的一个可行解用0和1的序列表示，例如i=(10101)表示选择第1、第3和第5个物品，而不选择第2和第4个物品。 第一步：初始化，假设初始解为i=(11001)，初始温度为T=10，计算 f(i)=2+5+6=13 模拟退火算法应用 第二步：在T温度下局部搜索，直到“平衡”。 降温時机用在同一温度下所应反复进行Metropolis 演算的次数，假设次数为3。 搜寻法则：随机改变某一位的0,1值或交换某两位的0,1值。 模拟退火算法应用 假设产生的新解j=(11100)，f(j)=2+5+8=1513，所以接受新解。 假设产生的新解j=(11010)， f(j)=2+5+3=1013，计算接受概率 P(T)=exp((10-13)/10)≈0.741， 产生一个随机数random(0,1)，如果 random(0,1) P(T)，则接受j为新解，否则不接受。 模拟退火算法应用 第三步：降温。假设温度降为T=T-1，如果没有达到结束标准，则返回第二步继续执行。 注意： （1）产生的新解的合法性。要舍弃那些总重量超过背包装载量的非法解。 （2）在搜索过程中，要保存最优解。 模拟退火算法应用（2） Traveling Salesman Problem (TSP) Given 6 cities and the traveling cost between any two cities A salesman need to start from city 1 and travel all other cities then back to city 1 Minimize the total traveling cost TSP算例 City to city 1 2 3 4 5 6 1 12 4 7 9 10 2 11 20 13 8 3 6 17 13 4 6 9 5 15 6 SA parameter setting Th=2000 t=10 r=0.6 N=2 生成新的解：随机选择两个位置，交换其表示的城市 T=Th 求得初始解 BS=初始解 n=0 求得新的解 新的解比 当前解好？ 接受新的解 用新的解替换 当前解; n=n+1 nN？ BS=新的解 新的解比BS好？ T=rT T=t? End Start T: 温度 Th:最高温度 t: 最低温度 BS：已经找到的最好解 N:某一温度下达到平衡的搜索次数 是 否 是 否 是 否 是 否 是 否 求得初始解 BS=初始解 Sequence The length of the route 132456 28 BS Sequence The length of the route 132456 28 初始解 温度T＝2000 n=0 Sequence The length of the route 123456 30 新的解 T=Th 求得初始解 BS=初始解 n=0 求得新的解 新的解比 当前解好？ 接受新的解 用新的解替换 当前解; n=n+1 nN？ BS=新的解 新的解比BS好？ T=rT T=t? End Start T: 温度 Th:最高温度 t: 最低温度 BS：已经找到的最好解 N:某一温度下达到平衡的搜索次数 是 否 是 否 是 否 是 否 是 否 Sequence The length of the route 132456 28 当前解 Sequence The length of the route 123456 30 新的解 Exp((新的解－当前解)/T)=exp(-2/2000) Random[0,1]=0.7 第五章 模拟退火 一.导言 二.退火过程和Bolzman方程 三.SA的算法构造及步骤 四.计算举例 五.SA的收敛性分析 六.SA的应用举例 前言 为了找出地球上最高的山，一群有志气的兔子们