元启发式如何跳出局部最优?

        在使用启发式算法的时候,一个常见的问题是融入陷入局部最优,导致很长时间内算法的解难以得到改进,现总结一下几种常见的元启发式如何跳出局部最优。

一、跟算法内部设计无关: 使用多个初始解搜索;

二、跟算法内部设计有关:接受较差的解/扰动/交叉变异

        SA: 若新解优于原解,接受,否,以一定概率/接受标准 exp((sol.Cost-newsol.Cost)/ck)接受较差解。

        VND:纯静态算法,邻域只有一个的话,跟爬山无异;跟爬山相比多了邻域的个数。

        VNS:shake策略,扰动初始解,shaking本质上来说也是邻域搜索的一种,但需要注意的是,shake强度不能太小,不然很容易被局部搜索拉回,且shake对解的扰动程度比local search要强;同时shake的强度不能太大,不然与random search无异。

        GA:通过交叉/变异跳出局部最优;

  •  交叉:需要两个父代的基因进行互换产生新的个体,改动程度比较大,类似于VNS当中的扰动,常见算子(OX、PMX、CX)
  • 变异:针对单个个体按照一定概率对某些基因进行swap、insert等操作得到新的个体,类似于local search中的邻域算子;

        ILS:同时使用shaking+SA的接受标准,使得算法的探索性更强,跳出局部最优的可能性更大。

        Tabu:通过禁忌列表的设置保证跳出局部最优。

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

zhugby

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