模拟退火算法R语言.pdfVIP

模模拟拟退退⽕⽕算算法法R语语⾔⾔

0引⾔

模拟退⽕算法是⽤来解决TSP问题被提出的，⽤于组合优化。

1原理

⼀通⽤的概率算法，⽤来在⼀个打的搜索空间内寻找命题的最优解。它的原理就是通过迭代更新当前值来得到最优解。模拟退⽕通常

使⽤均匀抽样的⽅式，得到区间上的N个状态，以各个状态点⽬标值的⽅差作为初始温度。

2程序包

GenSA：

GenSA(par,fn,lower,upper,control=list(),...)

参数：

par：向量。包含优化对象的初始值，默认NULL，⼀般算法会⾃动产⽣默认值。

fn：最⼩化函数，使⽤参数向量作为该函数的第⼀个参数，并且基于它实现最⼩化。返回⼀个标量的结果。

lower：与par长度⼀致的向量，包含优化对象的下界值

upper：与par长度⼀样的向量，包含优化对象的上界值

control：控制算法⾏为的列表。

axit：实数。算法迭代次数的最⼤值

threshod.stop：实数。当期望的⽬标函数值达到此值时终⽌程序，默认为null

ax.call：整数。调⽤⽬标函数的最⼤次数

ax.tie：实数。最⼤运⾏时间

teperature：实数。温度的初始值

visiting.para：实数。访问分布的参数

acceptance.para：实数。接受分布的参数

verbose：逻辑值。显⽰算法信息

siple.function：逻辑值。设置为TRUE表⽰⽬标函数有少数⼏个局部最⼩值，默认为FALSE，表⽰⽬标函数有很多局部最⼩值，是复

杂的

trace.fn：字符串。跟踪矩阵将会写⼊trace.fn的⽂件，默认null，表⽰跟踪矩阵将存储在返回值中⽽不是⽂件中

stats：

opti(par,fn,gr=NULL,...,

ethod=c(Nelder-Mead,BFGS,CG,L-BFGS-B,SANN,

Brent),

lower=-Inf,upper=Inf,

control=list(),hessian=FALSE)

optiHess(par,fn,gr=NULL,...,control=list())

参数：

par：向量。包含优化对象的初始值，默认NULL，⼀般算法会⾃动产⽣默认值。

fn：最⼩化函数，使⽤参数向量作为该函数的第⼀个参数，并且基于它实现最⼩化。返回⼀个标量的结果。

gr：为BFGS/CG/L-BFGS-B⽅法返回梯度的函数，若为null，将使⽤有限差分逼近的⽅法。对于SANN⽅法，它指定⼀个函数来产⽣新的候

选点，若为null，将使⽤⾼斯马尔科夫核

ethod：要使⽤的⽅法

lower、upper：对于L-BFGS-B⽅法，参数表⽰变量的上下界；对于Brent⽅法，参数表⽰搜索时限制的上下界

hessian：逻辑值，是否应该返回⼀个数字区分的海森矩阵

control：控制参数列表，默认下，opti处理最⼩化问题，若把control$fnscale设置为负值，则可以处理最⼤化问题。

4总结

模拟退⽕算法作为⼀贪⼼算法，加⼊了随机因素，能以⼀定的概率接受⼀个⽐较差的解。所以，有可能跳出局部最优解，达到全局最

优解。