Python 实现 模拟退火算法

原文链接: Python 实现 模拟退火算法

上一篇: Python matplotlib 绘制动画

下一篇: Python 实现 遗传算法

参考

https://blog.csdn.net/AI_BigData_wh/article/details/77943787?locationNum=2&fps=1

https://blog.csdn.net/garfielder007/article/details/51038577

https://www.cnblogs.com/lytwajue/p/7196445.html

起源

模拟退火算法 起源于物理退火。

物理退火过程：

⑴ 加温过程

⑵ 等温过程

⑶ 冷却过程

模型建立

模拟退火算法 可以分解为解空间、目标函数和初始解三部分。

模拟退火的基本思想：

⑴ 初始化：初始温度T（充分大），初始解状态S（是算法迭代的起点）， 每个T值的迭代次数L

⑵ 对k=1,……,L做第⑶至第6步：

⑶ 产生新解S′

⑷ 计算增量Δt′=C(S′）-C(S)，其中C(S)为评价函数

⑸ 若Δt′<0则接受S′作为新的当前解，否则以概率exp(-Δt′/T)接受S′作为新的当前解.

⑹ 如果满足终止条件则输出当前解作为最优解，结束程序。

终止条件通常取为连续若干个新解都没有被接受时终止算法。

⑺ T逐渐减少，且T->0,然后转第2步。

算法步骤

模拟退火算法 新解的产生和接受可分为如下四个步骤：

第一步是由一个产生函数从当前解产生一个位于解空间的新解；为便于后续的计算和接受，减少算法耗时，通常选择由当前新解经过简单地变换即可产生新解的方法，如对构成新解的全部或部分元素进行置换、互换等，注意到产生新解的变换方法决定了当前新解的邻域结构，因而对冷却进度表的选取有一定的影响。

第二步是计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生，所以目标函数差的