计算几何中的模拟退火

模拟退火(SA,Simulated Annealing)

 

这是一种随机算法，其实模拟退火也算一种贪心算法。但是它在搜索过程中引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。

 

顺便说一下爬山算法：爬山算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。

爬山算法的原理很简单，但是他很容易陷入进一个局部的最优解从而得不出想要的答案。

这里网上有一个非常好的关于爬山算法和模拟退火算法的比喻：

爬山算法：兔子朝着比现在高的地方跳去。它找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是爬山算法，它不能保证局部最优值就是全局最优值。

模拟退火：兔子喝醉了。它随机地跳了很长时间。这期间，它可能走向高处，也可能踏入平地。但是，它渐渐清醒了并朝最高方向跳去。这就是模拟退火。

 

当然，作为一种随机算法，模拟退火有可能不能每一次都正确的得到需要的最优值。。不过，在参数设置的合适的情况下，得到最优解的概率还是很高的。这种情况下，模拟退火的效率比穷举要高。所以，有时候还是要拼RP的。。。

 

而模拟退火在计算几何中的应用多是：求平面最近点对，最远点，多边形的费马点，等等。还可以结合其他算法对搜索进行优化，用的地方还是挺多的。

几道简单的模拟退火的题目：

　　　　　　POJ 1379 Run Away

　　　　　　http://poj.org/problem?id=1379

 

　　　　　　POJ 2420 A Star not a Tree?

　　　　　　http://poj.org/problem?id=2420

 

　　　　　　POJ 2069 Super Star

　　　　　　http://poj.org/problem?id=2069

 

 

 

转载于:https://www.cnblogs.com/xdruid/archive/2012/08/19/SA.html