模拟退火算法.docxVIP

模拟退火算法 1982 年,KirkPatrick 将退火思想引入组合优化领域，提出一种解大规模组合优化问题的算法，对 NP 完全组合优化问题尤其有效。这源于固体的退火过程，即先将温度加到很高, 再缓慢降温(即退火)，使达到能量最低点。如果急速降温(即为淬火)则不能达到最低点.。 模拟退火算法是一种能应用到求最小值问题或基本先前的更新的学习过程（随机或决定 性的）。在此过程中，每一步更新过程的长度都与相应的参数成正比，这些参数扮演着温度的角色。然后，与金属退火原理相类似，在开始阶段为了更快地最小化或学习，温度被升得很高，然后才（慢慢）降温以求稳定。 模拟退火算法是一种用于求解大规模优化问题的随机搜索算法，它以优化问题求解过程与物理系统退火过程之间的相似性为基础；优化的目标函数相当于金属的内能；优化问题的自变量组合状态空间相当于金属的内能状态空间；问题的求解过程就是找一个组合状态，使目标函数值最小。利用 Metropolis 准则并适当地控制温度的下降过程实现模拟退火，从而达到在多项式时间内求解全局优化问题的目标。 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时， 固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达 到平衡态，最后在常温时达到基态，内能减为最小。根据 Metropolis 准则，粒子在温度 T 时趋于平衡的概