Simulated Annealing Algorithmus (SA) der Grundidee
Problembeschreibung
SA ist eine Zufall heuristischer Optimierungsalgorithmus, Simulated Annealing physikalischen Prozess von A eine Anfangstemperatur von Metropolis Abtaststrategie mit Zufallssuche jumping Eigenschaft im Lösungsraum, zusammen mit sinkender stabiler Neuabtastungsprozeß beginnt gegebene .
Die grundlegenden Schritte:
给定初温t=t_0,随机产生初始状态s=s_0,令k=0;
Repeat
Repeat
产生新的状态S_j=Gnente(s);
if min{1,exp[-(C(s_j)-C(s))/t_k]}>=random[0,1]
s=s_j;
Until 抽样稳定准则满足
退温t_{k+1}=update(t_k)并令k=k+1;
Until 算法终止准则满足
输出算法搜索结果
Wie man sehen kann, dass die wichtigsten Faktoren SA optimale Ergebnisse beeinflussen: zwei drei Prinzipien funktionieren und die Anfangstemperatur
Grundlegende Anforderungen und Elemente des SA-Algorithmus
Grundlegende Anforderungen:
- 1, die Anfangstemperatur ist ausreichend hoch,
- 2, der Kühlprozess ist langsam genug
- 3, Endtemperatur ausreichend niedrige
Algorithm Merkmale: - 1, die Ausprägungs
- 2, der mobile Raum definiert
- 3 zu erreichen, die thermische Gleichgewicht
- 4, Kühlfunktion: üblicherweise verwendete Kühlfunktionen sind:
SA Berechnungsschritte
- 1, die Initialisierung, die Anfangslösung, gegebenenfalls, i, T_0 gegebene Anfangstemperatur, die Temperatur T_f beendet, so dass der Iterationsindex k = 0, = T_k T_0.
- Zur Anmerkung: Bei der Auswahl T_0, hoch genug zu machen,
- 2, eine zufällig erzeugte Lösungen Nachbarschaft berechnet ein Sollwert-Inkrement
- 3, wenn , so dass i = j gehenzu Schritt 4 (j besser als ich, geht unbedingte Verzweigung), sonst ein Wenn die dann lassen i = j (j besser als i, bedingter Transfer)
- Hinweis: Bei hohen T_k, Wide-Area suchen, niedrige T_k, die lokale Suche
- 4, wenn das thermische Gleichgewicht erreicht ist (die Anzahl der Zyklen größer ist als n (T_k)) gehen zu Schritt 5, sonst mit Schritt 2 zu
- 5, k = k + 1 T_k reduziert, wenn T_k <T_f Anschlag, sonst gehen zu Schritt 2
- Hinweis: Die Reduzierung T_k die folgenden zwei Verfahren