模拟退火算法 .pptVIP

模 拟 退 火 算 法 （Simulated Annealing） 1、引子 2、SA算法的起源 3、SA算法的基本思想 4、SA算法的步骤 5、SA算法应用范围与一般要求 6、SA算法的优缺点 1、引子 在科学与工程计算中，经常发生的一个问题是在Rn中或者是在一个有界区域上求某个非线性函数f(x)的极小点。在f(x)可导时，一个最基本的算法就是最速下降法。这一方法从某一选定的初值开始，利用如下公式进行迭代，即 然而以速降法为代表的传统算法具有共同的缺点，它们都不保证求得全局极小，只能保证收敛到一个由初值决定的局部极小点。每次都鼠目寸光的选择一个当前最优解，因此只能搜索到局部的最优值。模拟退火其实也是一种贪心算法，但是它的搜索过程引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。 2、SA算法的起源 SA算法起源于对固体退火过程的模拟。简单而言，在固体退火时，先将固体加热使其温度充分高，再让其徐徐冷却，其物理退火过程由以下三部分组成：加温过程、等温过程、冷却过程。 SA算法就是模仿上述物理系统徐徐退火过程的一种通用随机搜索技术。 模拟退火 物理退火 解 粒子状态 最优解 能量最低态 设定初温 熔解过程 Metropolis采样过程 等温过程 控制参数