模拟退火算法PPT课件

1、2021/7/241模模 拟拟 退退 火火 算算 法法（Simulated Annealing）2021/7/2421 1、引子、引子2 2、SASA算法的起源算法的起源3 3、SASA算法的基本思想算法的基本思想4 4、SASA算法的步骤算法的步骤5 5、SASA算法应用范围与一般要求算法应用范围与一般要求6 6、SASA算法的优缺点算法的优缺点2021/7/2431 1、引子、引子 在科学与工程计算中，经常发生的一个问题是在Rn中或者是在一个有界区域上求某个非线性函数f(x)的极小点。在f(x)可导时，一个最基本的算法就是最速下降法。这一方法从某一选定的初值开始，利用如下公式进行迭代，即)

2、(1nnnnxfxx2021/7/244 然而以速降法为代表的传统算法具有共同的缺点，它们都不保证求得全局极小，只能保证收敛到一个由初值决定的局部极小点。每次都鼠目寸光的选择一个当前最优解，因此只能搜索到局部的最优值。模拟退火其实也是一种贪心算法，但是它的搜索过程引入了随机因素。模拟退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。 2021/7/2452 2、SASA算法的起源算法的起源 SA算法起源于对固体退火过程的模拟。简单而言，在固体退火时，先将固体加热使其温度充分高，再让其徐徐冷却，其物理退火过程由以下三部分组成：加温过程、等温过程、

3、冷却过程。2021/7/246 SA算法就是模仿上述物理系统徐徐退火过程的一种通用随机搜索技术。模拟退火算法与物理退火过程的相似关系2021/7/2473 3、SASA算法的基本思想算法的基本思想 在搜索最优解的过程中，SA算法除了可以接受优化解外，还基于随机接受准则（Metropolis准则）有限度地接受恶化解，并且接受恶化解的概率慢慢趋向于0。（这使得算法有可能从局部最优中跳出，尽可能找到全局最优解，并保证了算法的收敛） SA的思想最早是由Metropolis等在1953年提出的，Metropolis 等提出了重要性采样法，即以概率接受新状态。2021/7/248SA算法的思想为： 由初始

4、解i和控制参数初值t开始，对当前解重复 产生新解 计算目标函数差 接受或舍弃 的迭代， 并逐步衰减t值， 算法终止时的当前解即为所得近似最优解， 这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。2021/7/249SA算法与其它搜索方法相比，具有如下的特点： 以一定的概率接受恶化解； 引进算法控制参数；使用对象函数值进行搜索； 隐含并行性；搜索复杂区域。2021/7/24104 4、SASA算法的基本步骤算法的基本步骤1) 随机产生一个初始解x0，令xbest x0并计算目标函数值E(x0);2) 设置初始温度T(0)=To，迭代次数i = 1;3) Do while T(i) Tmin

5、1) for j = 1k 2) 对当前最优解xbest按照某一邻域函数，产生一新的解xnew。计算 新的目标函数值E(xnew) ，并计算目标函数值的增量E = E(xnew) - E(xbest) 。 2021/7/2411 3) 如果E 0，则xbest = xnew； 4) 如果E 0，则p = exp(- E /T(i); 1) 如果c = random0,1 p， xbest = xnew; 否则xbest = xbest。 5) End for4) i = i 1；5) End Do6) 输出当前最优点，计算结束。2021/7/2412流程图流程图2021/7/24135 5、S

6、ASA算法应用范围与一般要求算法应用范围与一般要求 SA算法是近年来备受重视的一类软计算方法，能解决传统的非线性规划方法难于解决的某些问题，在VLSI、生成调度、控制工程、机器学习、神经网络、图像处理、函数优化等许多领域得到广泛的研究。 SA算法的应用需满足如下三个方面的要求： （1）对问题的简明形式的描述即数学模型，由解空间、目标函数和初始解三部分构成； （2）新解的产生和接受机制； （3）冷却进度表。2021/7/2414 冷却进度表是指从某一高温状态T0向低温状态冷却时的降温管理表。 假设时刻t的温度用T(t)来表示，则经典模拟退火算法的降温方式为： 而快速模拟退火算法的降温方式为： 这

7、两种方式都能够使得模拟退火算法收敛于全局最小点。)1lg()(0tTtT5 5、SASA算法应用范围与一般要求算法应用范围与一般要求tTtT1)(02021/7/24155 5、SASA算法应用范围与一般要求算法应用范围与一般要求 初始温度T0的设定： 实验表明，初温越大，获得高质量解的几率越大，但花费的计算时间将增加。因此，初温的确定应折衷考虑优化质量和优化效率，常用方法包括： (1) 均匀抽样一组状态，以各状态目标值的方差为初温。 (2) 随机产生一组状态，确定两两状态间的最大目标值差|max|，然后依据差值，利用一定的函数确定初温。比如，t0=max/pr，其中pr为初始接受概率。 (3) 利用经验公式给出。2021/7/24165 5、SASA算法应用范围与一般要求算法应用范围与一般要求 算法终止准则，常用的包括： (1) 设置终止温度的阈值； (2) 设置外循环迭代次数； (3) 算法搜索到的最优值连续若干步保持不变； (4) 检验系统熵是否稳定。2021/7/24176 6、SASA算法的优缺点算法的优缺点 与同类方法相比，SA算法具有以下优缺点： 优点：高效，灵活，通用，初