本文源于计算智能算法课程的总结,
内容来自老师提供的教材,
感谢老师的辛勤工作。
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。
使用模拟退火算法目的,
是为了解决NP复杂性问题,克服优化过程中陷入局部极小和克服初值依赖性。
首先需要理解物理退火的概念
退火:退火是指将固体加热到足够高的温度,使分子呈随机排列状态,然后逐步降温使之冷却,最后分子以低能状态排列,固体达到某种稳定状态。
加温过程:增强粒子的热运动,消除系统原先可能存在的非均匀态
等温过程:对于与环境换热而温度不变的封闭系统,系统状态的自发变化总是朝自由能减少的方向进行,当自由能达到最小时,系统达到平衡态
冷却过程:使粒子热运动减弱并渐趋有序,系统能量逐渐下降,从而得到低能的晶体结构
物理的退火过程,在热力学中指物体逐渐降温时发生的物理现象。
退火需要一个缓慢降温的过程,如果降温速度过快,将会导致不是最低能态的非晶形。
模拟退火算法
模拟退火算法就是这样一个模范自然界的退火过程,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。
模拟退火算法基本思想:在一定温度下,搜索从一个状态随机地变化到另一个状态;随着温度的不断下降直到最低温度,搜索过程以概率1停留在最优解。