1.起源
模拟退火(Simulated Annealing,SA)是一种启发式算法,用于在大规模搜索空间中寻找最优解或接近最优解的解。其灵感来自于固体物理学中的固体退火过程,即将材料加热到足够高的温度并逐渐冷却,从而使其原子或分子的排列达到最稳定的状态。
2.原理
模拟退火算法是一种用于求解大规模组合优化问题的随机搜索算法,利用问题的求解过程与熔化物体退火道过程的相似性,采用随机模拟物体退火过程来完成问题的求解,t也就是在控制参数(温度)的作用下对参数的值进行调整,直到所选取的参数值最终使能量函数达到全局极小值。
3.步骤
1.初始化:
针对问题选择合适的目标函数f作为能量函数E;
确定起始温度、终止温度、冷却率、单一迭代次数;
2.设定起始迭代次数t=0,产生初始状态X0,计算能量E0;
3.以目前解为中心由状态产生函数产生新的邻近解X1,计算能量E1;
4.采用Metropolis接受法则比较两状态的能量,判决是否接受X1,若接受,则令当前状态为X1,若不接受,仍为X0;
Metropolis接受法则:以概率接受新状态,若Ej<Ei,则接受j为当前状态;
否则,若概率p=exp[-(Ej-Ei)/KT]大于[0,1)区间的随机数,则仍接受状态j为当前状态;
若不成立,则保留状态i为当前状态。
5.更新迭代次数,判断是否达到设定的阈值k,若是则进行降温;
6.判断温度是否达到终止温度,若是则顺序执行step7,若否则转到step3;
7.当前解作为最优解输出。