模拟退火算法算法.pptVIP

5 内循环终止准则 检验目标函数值的均值是否稳定 连续若干步目标函数值的变化较小 按一定的步数抽样 链长 （Metropolis抽样稳定准则） 用于决定在各温度下产生候选解的数目。 时齐算法——常用Metropolis抽样稳定准则包括： 非时齐SAA：每个温度下只产生一个或少量候选解。 第六十一页，共一百一十四页，2022年，8月28日 具体应与问题规模成比例。 实验表明高温时迭代次数越多越好，低温时迭代次数可以适当减少。 第六十二页，共一百一十四页，2022年，8月28日 6 外循环终止准则 理论上要求温度终值趋于零 设置终止温度的阀值 设置外循环迭代次数(6-50) 算法搜索到的最优值连续若干步保持不变 （算法终止准则） 用于决定算法何时结束。 通常的做法包括： 检验系统熵是否稳定 第六十三页，共一百一十四页，2022年，8月28日 三个参数 、 和 值均有显著影响。 总结 过大的 值、 值和 值均能导致过长的 CPU时间。因而在最终解的质量有待较大 值和 值予以保证的前提下，选取较小 的 值可以抑制CPU时间上升的态势。 第六十四页，共一百一十四页，2022年，8月28日 模拟退火算法基本要素和设定方法 第六十五页，共一百一十四页，2022年，8月28日 模拟退火算法是一种通用的随机搜索算法，它可用于解决众多的优化问题，并已经广泛的应用于其他领域。如VLSL设计、图像识别等。当待解决的问题复杂性较高，而且规模较大时，在对问题的领域知识甚少的情况下，采用模拟退火算法最合适。因为模拟退火算法不像其他确定型启发式算法那样，需要依赖于问题的领域知识来提高算法的性能。 第六十六页，共一百一十四页，2022年，8月28日 但是，从另一方面来说，已知有关待解决问题的一些知识后，模拟退火算法却无法充分利用它们，这使得模拟退火算法的优点就成了缺点。如何把传统的启发式搜索方法和模拟退火随机搜索算法结合起来，这是一个有待研究的十分有意义的课题。 第六十七页，共一百一十四页，2022年，8月28日 模拟退火算法在求解规模较大的实际问题时，往往存在以下缺点： （1）收敛速度比较慢。 （2）尽管理论上只要计算时间足够长，模拟退火法就可以保证以概率1收敛于全局最优点。但是在实际算法的实现过程中，由于计算速度和时间的限制，在优化效果和计算时间二者之间存在矛盾，因而难以保证计算结果为全局最优点，优化效果不甚理想。 （3）在每一温度下很难判定是否达到了平衡状态。 第六十八页，共一百一十四页，2022年，8月28日 为此，人们对模拟退火算法提出了各种各样的改进，其中包括并行模拟退火算法、快速模拟退火算法（Cauchy机）和对模拟退火算法中各个函数和参数的重新设计等。 第六十九页，共一百一十四页，2022年，8月28日 SA算法直接简单模拟固体退火。 特点： 思路清晰、原理简单、使用灵活、应用广泛 同时，由于其直接性和简单化，也存在不足与弊病，使其应用及性能受到一定影响。 第四节 模拟退火算法的改进及并行性 第七十页，共一百一十四页，2022年，8月28日 不同p值对CHN144实例测得 值 第七十一页，共一百一十四页，2022年，8月28日 4 模拟退火算法的改进及并行性 模拟退火算法的优点 质量高； 初值鲁棒性强； 简单、通用、易实现。 模拟退火算法的缺点 由于要求较高的初始温度、较慢的降温速率、较低的终止温度，以及各温度下足够多次的抽样，因此优化过程较长。 4.1 模拟退火算法的优缺点 第七十二页，共一百一十四页，2022年，8月28日 4 模拟退火算法的改进及并行性 改进的可行方案 （1）设计合适的状态产生函数； （2）设计高效的退火历程； （3）避免状态的迂回搜索； （4）采用并行搜索结构； （5）避免陷入局部极小，改进对温度的控制方式； （6）选择合适的初始状态； （7）设计合适的算法终止准则。 4.2 改进内容 第七十三页，共一百一十四页，2022年，8月28日 4 模拟退火算法的改进及并行性 改进的方式：增加某些新的环节 （1）增加升温或重升温过程，避免陷入局部极小； （2）增加记忆功能（记忆“Best so far”状态）； （3）增加补充搜索过程（以最优结果为初始解）； （4）对每一当前状态，采用多次搜索策略，以概率接受区域内的最优状态； （5）结合其它搜索机制的算法； （6）上述各方法的综合。