退火算法学习笔记

import math
import numpy  as np

T = 1000
Tmin = 1
sectionl = -4
sectionh = 16
xold = np.random.uniform(sectionl,sectionh)
k = 100
yold = 0
t = 0


def aimFunction(x):
    y = x*math.sin(x)
    return y

def judge(de,tmp):
    if(de < 0):
        return 1
    else:
        p = math.exp(-(de/tmp))
        r = np.random.uniform(low=0,high=1)
        if  p > r :
            return 1
        else:
            return 0

while T > Tmin:
    for i in range(k):
        delta = (np.random.uniform(0,1) - 0.5)*5
        xnew = xold + delta
        if ((xnew < sectionl) or (xnew > sectionh)) :
            xnew = xnew - 2*delta
        else:
            ynew = aimFunction(xnew)
            dE = ynew - yold
            bz= judge(dE,T)
            if bz:
                xold = xnew
                yold = ynew

    t =  t + 1
    
    T = 1000/(1 + t)
    print(yold)

感想

如果当前状态比前一个最好的状态好,那么更新当前的状态 但是 如果当前的状态 不比之前的状态好的话 ,当前的状态可以以一定的概率更新之前的概率,这样就能在一定程度上跳出局部最优解 ,从而更好的寻找全局最优解

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

编程?小白

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值