模拟退火算法(新)

模拟退火算法(新)

ID:65454980

大小:1.26 MB

页数:50页

时间:2022-01-09

模拟退火算法(新)_第1页
模拟退火算法(新)_第2页
模拟退火算法(新)_第3页
模拟退火算法(新)_第4页
模拟退火算法(新)_第5页
模拟退火算法(新)_第6页
模拟退火算法(新)_第7页
模拟退火算法(新)_第8页
模拟退火算法(新)_第9页
模拟退火算法(新)_第10页
资源描述:

《模拟退火算法(新)》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、1第五章模拟退火2第五章模拟退火一.导言二.退火过程和Bolzman方程三.SA的算法构造及步骤四.计算举例五.SA的收敛性分析六.SA的应用举例3模拟退火的产生(SA)1953年Metropolis提出原始的SA算法,未引起反响1982年Kirkpatrick提出现代的SA算法,得到广泛的应用一.导言(1)4基本思想模拟热力学当中的退火过程退火过程:物体:高温低温高能状态低能状态一.导言(2)缓慢下降5淬火:快速冷却,使金属处于高能状态,较硬易断退火:缓慢冷却,使金属处于低能状态,较为柔韧一.导言(3)6模拟退火在SA中的应

2、用在SA中将目标函数作为能量函数模拟:初始高温温度缓慢下降终止在低温这时能量函数达到极小,目标函数最小一.导言(4)7热力学中的退火过程变温物体缓慢降温从而达到分子之间能量最低的状态二.退火过程和Bolzman方程(1)8二.退火过程和Bolzman方程(2)9Bolzman方程二.退火过程和Bolzman方程(3)10温度对的影响当很大时,,各状态的概率几乎相等SA开始做广域搜索,随着温度的下降差别扩大二.退火过程和Bolzman方程(4)11当时,与的小差别带来和的巨大差别例如:=90,=100,二.退火过程和Bolzma

3、n方程(5)12当=100时二.退火过程和Bolzman方程(6)13当=1时此时结论:时,以概率1趋于最小能量状态二.退火过程和Bolzman方程(7)14SA的模拟要求初始温度足够高降温过程足够慢终止温度足够低三.SA的算法构造及步骤(1)15问题的描述及要素三.SA的算法构造及步骤(2)16SA的计算步骤初始化,任选初始解,,给定初始温度,终止温度,令迭代指标。注:选择时,要足够高,使随机产生一个邻域解,计算目标值增量三.SA的算法构造及步骤(3)17若转步④(j比i好无条件转移);否则产生(j比i好,有条件转移)。注:

4、高时,广域搜索;低时,局域搜索若达到热平衡(内循环次数大于)转步⑤,否则转步②。三.SA的算法构造及步骤(4)18降低,若停止,否则转步②。注:降低的方法有以下两种流程框图见下页三.SA的算法构造及步骤(5)19内循环产生开始停止YNYN,降温外循环设定产生计算YYNN20问题的提出单机极小化总流水时间的排序问题四个工作:,求的最优顺序。四.计算举例(1)21预备知识:按SPT准则,最优顺序为3-1-4-2四.计算举例(2)22用SA求解这个问题状态表达:顺序编码邻域定义:两两换位定义为邻域移动解:设降温过程定义为初始解:i=

5、1-4-2-3四.计算举例(3)23⑴①②③注释:①无条件转移;②③为有条件转移;在②③中,虽然目标值变坏,但搜索范围变大;是随机产生的四.计算举例(4)24⑵①②③注释:①有条件转移;②为无条件转移;在③中,停在4-3-1-2状态,目标值仍为109;四.计算举例(5)25⑵①②③注释:①②无条件转移;在③中,停在3-1-4-2状态,目标值仍为92;SA没有历史最优,不会终止在最优解,故算法一定要保持历史最优。四.计算举例(6)26SA终止在最优解上的条件:初始温度足够高热平衡时间足够长终止温度足够低降温过程足够慢以上条件实际

6、中很难满足,所以只能记录历史最优解。四.计算举例(7)27SA特点:编程最容易,理论最完善。下面基于Markov过程分析收敛性。四.计算举例(8)28Markov过程的基本概念举例说明:盲人一维游走、醉汉或青蛙在3块石头上随机跳动,这3中状况可用来说明这个问题,他们行动的共同特点是无记忆性。五.SA的收敛性分析(1)29基本概念状态:处于系统中的一种特定状态表达。状态转移概率:从状态i转移到状态j的可能性。无后效应:到一个状态后,决策只与本状态有关,与以前的历史状态无关。五.SA的收敛性分析(2)30以青蛙跳动为例说明状态转移

7、概率用石头唯一的表达青蛙所处的状态,假设青蛙跳动具有无后效应的特点。五.SA的收敛性分析(3)1/31/31/41/41/21/2青蛙跳动图示状态转移概率矩阵:1/31/41/431t时刻处在各状态的概率向量是行向量,假设系统在t+1时达到稳态,则五.SA的收敛性分析(4)32解方程组:可得结果:可见青蛙是跳到第三块石头上的机会多一些五.SA的收敛性分析(5)33SA的收敛性分析问题:将状态按目标值进行升序编号,即五.SA的收敛性分析(6)34状态间的转移概率设为i选j为邻域点时,ij的转移概率五.SA的收敛性分析(7)35设

8、是系统处于状态i时选择j为邻域移动点的概率,为状态i的邻域点的个数,则则状态i到状态j的转移概率为五.SA的收敛性分析(8)36当Tk很大时,则状态转移矩阵为:分两种情况讨论:五.SA的收敛性分析(9)37当五.SA的收敛性分析(10)38当状态1是“捕捉的”(任何状态到1状

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。