跳转至

模拟退火

引入

模拟退火是一种随机化算法。当一个问题的方案数量极大(甚至是无穷的)而且不是一个单峰函数时,我们常使用模拟退火求解。

解释

根据 爬山算法 的过程,我们发现:对于一个当前最优解附近的非最优解,爬山算法直接舍去了这个解。而很多情况下,我们需要去接受这个非最优解从而跳出这个局部最优解,即为模拟退火算法。

什么是退火?(选自 百度百科

退火是一种金属热处理工艺,指的是将金属缓慢加热到一定温度,保持足够时间,然后以适宜速度冷却。目的是降低硬度,改善切削加工性;消除残余应力,稳定尺寸,减少变形与裂纹倾向;细化晶粒,调整组织,消除组织缺陷。准确的说,退火是一种对材料的热处理工艺,包括金属材料、非金属材料。而且新材料的退火目的也与传统金属退火存在异同。

由于退火的规律引入了更多随机因素,那么我们得到最优解的概率会大大增加。于是我们可以去模拟这个过程,将目标函数作为能量函数。

过程

先用一句话概括:如果新状态的解更优则修改答案,否则以一定概率接受新状态。

我们定义当前温度为 T,新状态 S 与已知状态 S(新状态由已知状态通过随机的方式得到)之间的能量(值)差为 ΔEΔE0),则发生状态转移(修改最优解)的概率为

P(ΔE)={1,S is better than S,eΔET,otherwise.

注意:我们有时为了使得到的解更有质量,会在模拟退火结束后,以当前温度在得到的解附近多次随机状态,尝试得到更优的解(其过程与模拟退火相似)。

如何退火(降温)?

模拟退火时我们有三个参数:初始温度 T0,降温系数 d,终止温度 Tk。其中 T0 是一个比较大的数,d 是一个非常接近 1 但是小于 1 的数,Tk 是一个接近 0 的正数。

首先让温度 T=T0,然后按照上述步骤进行一次转移尝试,再让 T=dT。当 $T