目标函数的设置PMVPD教学内容.pptVIP

* 目标函数的设置PMVPD Metropolis-Hastings(M-H)算法 基本思想： 通过随机模拟产生收敛到目标函数的Markov 链 此Markov链上每一个点的生成方式如下： Xi+1=Xi 生成候选解 Xnew 计算接受概率 P P random(0,1) ? Xi+1=Xnew 否 是 候选解是按照提议分布对解空间进行随机采样获得，提议分布可以是均匀分布、正态分布、指数分布等 式中，f (x)为目标函数，q为提议分布 random(0,1)用来生成（0,1）之间的随机数。 P random(0,1)说明: f（Xnew） f（Xi）或者 f（Xnew）与f（Xi）相比不太小 特点：Markov链上每一点的接受概率的计算方式相同 改进的Metropolis-Hastings算法 改进思路：改变接受概率的计算方式，使得在初始阶段，大部分的候选解被接受，然后逐步增加对候选解的要求，使其最终收敛到最优解 全局最优 局部 局部 局部 搜索范围 目标函数范围 改进的Metropolis-Hastings算法 改进思路：改变接受概率的计算方式，使得在初始阶段，大部分的候选解被接受，然后逐步增加对候选解的要求，使其最终收敛到最优解 接受 接受 接受 接受 拒绝 初始阶段，在解空间进行大范围搜索，允许接受大部分候选解，