2021模拟退火算法.pptVIP

主要内容 ? ? ? ? ? 5.1 固体退火过程和 Metropolis 准则 5.2 模拟退火算法的基本思想和步骤 5.3 模拟退火算法关键参数和操作的设计 5.4 模拟退火算法实现与应用 5.5 模拟退火算法的改进 1 5.1 固体退火过程和 Metropolis 准则 ? 固体物质退火是先将固体加热至熔化，再徐徐冷却 使之凝固成规整晶体的热力学过程 . ? 固体物质的退火过程由三部分组成： ? 加温过程：增强粒子的热运动；系统能量随之增大． ? 等温过程：系统达到该温度下能量最小状态，即平衡 态． ? 冷却过程：使粒子的热运动减弱并逐渐有序化． ? 对于固体在恒定温度下达到热平衡的过程模拟， Metropolis 等人在 1953 年提出了“重要性采样法”， 即以概率接受新状态． ? 若 E j E i 则接受新状态 j 为当前状态（“重要”状 ? E i ? E j ? 态）； ? P ? exp ? ? kT ? 2 ? ? ? 若 E j E i ，要依据概率 来确定． 5.2 模拟退火算法的基本思想和步骤 1. 固体退火与组合优化之间的相似性 固体退火概念与优化问题的对应关系 固体退火 状态 i 系统能量 E i 能量最低状态 加温熔化 等温过程 冷却过程 组合优化问题 解 x i 目标函数 f ( x i ) 最优解 设定初温 t 0 产生新解、判断、接受 / 舍弃 控制参数 t 的变化 3 2. 算法思想和步骤 ? Metropolis 算法：从某一初始状态出发，通过计算 系统的时间演化过程，求出系统最终达到的状 态． ? SA ： 从某个初始解出发，经过大量解的变换后， 求得给定控制参数值 t 时优化问题的相对最优 解．然后，减少 t 的值，重复执行 Metropolis 算法， 就可以在 t 趋于零时，求得优化问题的全局最优 解． ? SA 由与 Metropolis 准则对应的转移概率 P t 确定是否 接受从当前解 x i 到新解 x j 的转移，即 ? 1 , 当 f ( x j ) ? f ( x i ) ? P t ( x i ? x j ) ? ? ? f ( x i ) ? f ( x j ) ? ? , 否则 ? exp ? ? ? 4 t ? ? Procedure Simulated_Annealing; Begin 任选一个初始解 x 0 ； 确定初始温度 t 0 和每一个 t 值下进行迭 代的次数 L ； x i := x 0 ; （置初始解为当前解） k := 0; （温度变化计数器置 0 ） Repeat l := 0; （迭代次数计数器） Repeat 从邻域 N ( x i ) 中随机选一 x j ； 计算 Δ f = f ( x j )- f ( x i ) ； if (Δ f≤ 0) then x i := x j ; else if exp (- Δ f / t k ) random [0, 1] then x i := x j ; l := l +1; until l = L ; k := k +1; t k := t ( k ); until 满足终止条件； 5 End; 3. 模拟退火算法的特点分析 ? SA 依据 Metropolis 准则接受新解，因此除接受优 化解外，还在一定范围内接受恶化解，这正是 SA 与局部搜索算法的本质区别所在． ? SA 具有如下 特点 ： (1) 优于局部搜索算法． (2) 若在每个 t 值都达到平衡分布，且所构造的邻域 结构能使解空间中的任何两个状态可达，则 SA 渐 近收敛于全局最优解． (3) 随着控制参数 t 值的减小，算法返回某个全局最 优解的概率单调增大 . 6 ? 与局部搜索算法相比， SA 的 性能 可概括为高