模拟退火算法.pptVIP

1

模拟退火朱海波SX1507032

2第七章模拟退火一.引言二.局部搜索三.模拟退火四.实际应用五.总结

3一.引言组合优化问题：在工程、规划和制造中的许多问题都可以建模为某个费用函数在一个离散变量集上的最小化或最大化问题组合优化问题第一类问题：存在可在多项式时间内求得最优解算法第二类问题：需要超级多项式级或者指数级的时间才能求得最优解线性规划、匹配和网络问题NP-难题：复杂性理论与无免费午餐定理第二类问题可以使用最优化算法来找到最优解〔可能需要很长的计算时间〕可以使用启发式算法在短时间内找到近似解局部搜索算法

4二.局部搜索局部搜索算法：一类使用广泛且普适的求解复杂组合优化问题的方法，其都以一个邻域函数为根底，该邻域函数将引导搜索达到一个好的解。最简单形式迭代改进算法：由某个初始解开始，然后不断地在邻域中搜索一个具有更低费用的解。如果找到了该解，那么该解取代当前解。该过程一直持续到无法在当前解的领域中找到更好的解为止。〔局部最优解/全局最优解〕可行解集〔S〕全局最优解〔i*〕?全局最优费用函数〔f*〕局部最优解〔i〕?局部最优费用函数〔f〕

5两大主要问题局部搜索算法邻域函数的选择依赖于问题搜索策略迭代改进算法很容易陷入局部最优扩展模拟退火算法有限度地接受某些费用函数值较差的相邻解〔neighborhood〕

6三.模拟退火算法的提出：模拟退火算法最早的思想由Metropolis等〔1953〕提出，1983年Kirkpatrick等将其应用于组合优化。算法的目的：算法的简述：模仿自然界退火現象而得，利用了物理中固体物质的退火过程与一般优化问题的相似性，从某一初始温度开始，伴随温度的不断下降，结合概率突跳特性在解空间中随机寻找全局最优解。解决NP复杂性问题；克服优化过程陷入局部极值；克服初值依赖性；

7初始温度足够高〔初始值〕降温过程足够慢〔全局最优/局部最优〕终止温度足够低〔终值〕 算法的要求：Metropolis算法〔准那么〕——金属固体退火算法〔初温-热平衡〕给定固体的当前状态i，其能量为Ei；后续状态为j，其能量为Ej；后续状态j可有一个扰动机制〔很小的改动〕来产生，将当前状态转换到下一个状态；能量差：Ej-Ei能量差=0状态j被接受为新的状态0状态j以exp((Ei-Ej)/Kb*T)的概率被接受T：温度Kb：玻尔兹曼常数

8Metropolis算法〔准那么〕通过在每个温度下都进行数量很大的状态改变来到达热平衡态热平衡态的特征描述是波尔兹曼分布，该分布给出了固体在温度T下处于能量为Ei的状态i的概率。波尔兹曼分布在模拟退火的收敛性分析中起着核心作用X为一个表示固体的随机变量〔i〕；对所有可能的状态〔j〕进行求和；

9Metropolis算法〔准那么〕控制参数〔C〕—温度屡次迭代模拟退火算法在迭代过程中，控制参数值逐渐减小模拟退火算法伪代码模拟退火的一个显著特性便是它不但接受改进的解，还能有限度地接受比较差的解。在开始较大的C值下，可以接受性能明显较差的解；当C减小时，可允许的性能退化越来越小，直至最终当C趋近于0时，完全不接受任何性能上的退化。算法的收敛速度由参数L和C所决定；

10ProcedureSIMULATED_ANNEALING;