《人工智能及其应用》课堂报告—模拟退火算法.pptxVIP

《人工智能及其应用》

课堂报告

—模拟退火算法;问题：

大学养了一批兔子，现开展兔子环游我国各省会34个城市的比赛。为找最短

路径，各个学院的兔

子们开始想办法。;;模拟退火算法（SimulatedAnnealing，SA）

模拟退火算法的依据是固体物质退火过程和组合优化问题之间的相似性。物质在加热的时候，粒子间的布朗运动增强，到达一定强度后，固体物质转化为液态，这个时候再进行退火，粒子热运动减弱，并逐渐趋于有序，最后达到稳定。;;模拟退火算法与物理退火过程的相似关系;模拟退火的解不再像局部搜索那样最后的结果依赖初始点。它引入了一个接受概率p。如果新的点（设为pn）的目标函数f（pn）更好，则p=1，表示选取新点；否则，接受概率p是当前点（设为pc）的目标函数f（pc），新点的目标函数f（pn）以及另一个控制参数“温度”T的函数。也就是说，模拟退火没有像局部搜索那样每次都贪婪地寻找比现在好的点，目标函数差一点的点也有可能接受进来。随着算法的执行，系统温度T逐渐降低，最后终止于某个低温，在该温度下，系统不再接受变化。

;算法设计要素;模拟退火算法的发展;模拟退火算法（Metropolis准则）;模拟退火的典型特征是除了接受目标函数的改进外，还接受一个衰减极限，当T较大时，接受较大的衰减，当T逐渐变小时，接受较小的衰减（见上页，

当T等于设定的