更改

添加1,104字节 、 2020年5月17日 (日) 17:33
无编辑摘要
第67行: 第67行:  
The state of some physical systems, and the function E(s) to be minimized, is analogous to the internal energy of the system in that state. The goal is to bring the system, from an arbitrary initial state, to a state with the minimum possible energy.
 
The state of some physical systems, and the function E(s) to be minimized, is analogous to the internal energy of the system in that state. The goal is to bring the system, from an arbitrary initial state, to a state with the minimum possible energy.
   −
某些物理系统的状态,以及要最小化的函数 e (s) ,类似于处于该状态的系统的内能。我们的目标是使系统,从一个任意的初始状态,到一个能量最小的状态。
+
一些物理系统的状态以及最小化函数E(S)可以看作该状态下系统的内部能量。本算法的目的是让任意初始状态的系统经过变化得到能量最小状态。
      第75行: 第75行:  
hill climb algorithm, as there are many local maxima. By cooling the temperature slowly the global maximum is found.|500px]]
 
hill climb algorithm, as there are many local maxima. By cooling the temperature slowly the global maximum is found.|500px]]
   −
爬山算法,因为有许多局部极大值。通过慢慢降温,我们发现了全球最大温度。 | 500px ]
+
模拟退火寻求最大值。这里的目的是达到最高点;但是由于存在许多局部最大值,仅使用简单的爬坡算法是不够的。通过缓慢冷却温度,可以找到全局最大值。 | 500px ]
      第86行: 第86行:     
在每个步骤中,模拟退火启发式考虑当前状态的一些相邻状态 s * ,然后根据概率决定是将系统移动到状态 s * 还是保持在状态 s * 。 这些可能性最终导致系统进入低能状态。通常,这个步骤会重复进行,直到系统达到对应用程序足够好的状态,或者直到给定的计算预算用完。
 
在每个步骤中,模拟退火启发式考虑当前状态的一些相邻状态 s * ,然后根据概率决定是将系统移动到状态 s * 还是保持在状态 s * 。 这些可能性最终导致系统进入低能状态。通常,这个步骤会重复进行,直到系统达到对应用程序足够好的状态,或者直到给定的计算预算用完。
 
+
在每个步骤中,模拟退火这种启发式算法都会考虑当前状态s的某个相邻状态s^*,并概率性地决定系统的下一个状态是移至状态s^*还是保持状态s。这些概率最终会使系统进入能量较低的状态。通常来说需要重复执行迭代步骤,直到系统达到足以满足应用程序的能量状态或耗尽了给定的计算预算。
      第96行: 第96行:     
解决方案的优化包括评估问题状态的邻居,这些邻居是通过保守地改变给定状态而产生的新状态。例如,在中东旅行推销员问题,每个州通常被定义为要参观的城市的排列,而其邻州则是通过颠倒任意两个连续城市的顺序而产生的排列组合。这种明确界定的改变各国以产生邻国的方式被称为“移动” ,不同的移动会产生不同的邻国集合。这些移动通常会导致最后一个状态的最小改变,以尝试通过迭代改进解决方案的各个部分(例如旅行推销员问题中的城市连接)来逐步改进解决方案。
 
解决方案的优化包括评估问题状态的邻居,这些邻居是通过保守地改变给定状态而产生的新状态。例如,在中东旅行推销员问题,每个州通常被定义为要参观的城市的排列,而其邻州则是通过颠倒任意两个连续城市的顺序而产生的排列组合。这种明确界定的改变各国以产生邻国的方式被称为“移动” ,不同的移动会产生不同的邻国集合。这些移动通常会导致最后一个状态的最小改变,以尝试通过迭代改进解决方案的各个部分(例如旅行推销员问题中的城市连接)来逐步改进解决方案。
 +
解决方案的优化包括评估问题状态的邻居,这些邻居是通过保守地改变给定状态而产生的新状态。例如在旅行商问题中,每个地点通常被定义为要访问的城市的排列,通过反转任意两个邻近城市顺序产生邻居的排列集合,不同的移动产生不同的近邻城市集。这种明确界定的改变各地以产生邻近城市集合的方式被称为“移动”。这些移动最后通常会让状态的更改迭代量降到最低,尝试通过迭代改善解决方案的组成部分(例如旅行商问题中的城市联系)来逐步改善解决方案。
     
31

个编辑