人工智能课件-启发函数与局部搜索-5.pptVIP

模拟退火算法具有高效、健壮、通用、灵活等特点。 1　高效性。与局部搜索算法相比，模拟退火算法可望在较短时间里求得更优近似解；并且模拟退火算法允许任意选取初始解和随机数列，又能得出较优近似解，求优化问题前期工作量较少。 2　健壮性。在可能影响模拟退火算法性能的诸因素中，问题规模的影响最为显著：当问题规模增大导致搜索范围的绝对增大，CPU时间增加，而对于解空间而言，搜索范围又因问题规模的增大而相对减少，将引起解质的下降。解和CPU时间均随问题规模的增大而趋于稳定，且不受初始解和随机数序列的影响。 3　通用性和灵活性。模拟退火算法能应用于多种组合优问题，为一个问题编制的程序可以有效地用于其它问题。 模拟退火算法的不足主要是：返回一个高质近似解的时间花费较多，当问题规模不可避免地增大时，难于承受的运行时间将使算法丧失可行性。 模拟退火算法可以从以下途径进行改进。 1　邻域结构的适当选择和初始解的随机数序列的选择恰当可以提高解的质量和缩减运行时间； 2　冷却进度表的合理选择可使算法的执行过程更为有效； 3　提高算法迭代过程的各个环节的时效，以缩减运行时间； 4　通过回火退法、加温退火法等策略来改变算法进程的各种变异方法； 5　可以采用大规模的并行计算来真正缩减算法的运行时间。 模拟退火算法是一种现代启发式算法，实质上是局部搜索法的推广，克服了局部搜索法局部最优的缺点。但它也同样面临解的表