シミュレーテッドアニーリングアルゴリズム（SA）アルゴリズムの流れの基本的な考え方

基本的な考え方のシミュレーテッドアニーリングアルゴリズム（SA）

問題の説明

SAからの物理的なプロセスをアニーリングシミュレートし、ランダムなヒューリスティック最適化アルゴリズム、ある与えられたメトロポリスが減少し安定したリサンプリングプロセスとともに、解空間でのジャンピングプロパティランダム探索を持つ戦略をサンプリングすることにより初期温度を開始。

基本的な手順：

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

図から分かるように、SAの最適な結果に影響を与える主な要因は、2つの三原則は、機能及び初期温度

基本的な要件とSAアルゴリズムの要素

基本的な要件：

• 図1に示すように、初期の温度が十分に高いです
• 図2に示すように、冷却プロセスが遅く十分です
• 図3に示すように、端部温度が十分低い
  アルゴリズムの特徴：
• 1発現の状態
• 2、定義されたモバイルスペース
• 図3に示すように、熱平衡に到達します
• 図4に示すように、冷却機能：一般的に使用される冷却機能は次のとおりです。
  $：T_ {K + 1} = T_K * R、R \で（0.95,0.99）$
  $B：T_ {K + 1} = T_k- \デルタT、\デルタTは、各ステップの減少の長さであります$

SAの計算ステップ

• 1、その結果、初期化、初期の溶液、任意に、iは、T_0が所定の初期温度、T_F終了温度、反復インデックスk = 0、T_K = T_0。
• 注：T_0を選択する際に、十分高いメイクへ $E_i / T_K \ RIGHTARROW 0$
• 図2に示すように、ランダムに生成されたソリューションの近傍は、目標値の増分を算出します $NでJ \（I）、（N（i）は近所Iを表します）$
  $\デルタF = F（J）= F（I）$
• 3、もし $\デルタF <0$私は（Jより良い私は、無条件分岐を進めるよりも）ステップ4にj個の行く=ように、他のA $U（0,1）で\ XI \$の場合 $EXP（ - \デルタF / T_K）> \ XI$その後、聞かせて私はJ =（より良い私よりもjは、条件付き転送）
• 注：高T_K、広域サーチ、低T_K、ローカル検索
• 図4に示すように、熱平衡に到達しそうでなければステップ2に進み、ステップ5に進み（サイクル数をn（T_K）より大きい）
• T_K <T_Fストップが、そうでなければステップに行けば5は、K = K + 1 T_Kは、減少2
• 注：次の二つの方法T_Kを削減します
  $：T_ {K + 1} = T_K * R、R \で（0.95,0.99）$
  $B：T_ {K + 1} = T_k- \デルタT、\デルタTは、各ステップの減少の長さであります$

SAアルゴリズムのフロー図