模拟退火算法实现
目录
1 模拟退火算法原理
[爬山算法]局部搜索更优解
[模拟退火]
名字起源: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。
特点:
- 搜索过程引入随机因素(以一定的概率来接受一个比当前解要差的解)
- 并不一定能找到全局的最优解,但可以比较快的找到问题的近似最优解
2 算法步骤
模拟退火算法的基本思想是:由初始解和控制参数初值开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减控制参数值,算法终止时,当前解的值即为近似最优解,这便是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。
- 常用的终止条件:即上一个最优解与最新的一个最优解的之差小于某个容差,即可停止此次马尔可夫链的迭代;连续若干个新解都没有被接受时终止算法
- Metropolis准则:系统从一个能量状态变化到另一个状态时,相应的能量从E1变化到E2,在温度T时趋于平衡的概率,其中E为温度T时的内能,dE为内能的变化量,k为Bol