模擬退火算法(存儲(chǔ)版)
【正文】 94。54 62。24 42。62 32。 30城市 TSP問(wèn)題（ d*= by D B Fogel） 山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法的實(shí)現(xiàn)與應(yīng)用 智能優(yōu)化計(jì)算 ? 狀態(tài)產(chǎn)生函數(shù)的設(shè)計(jì) （ 1）互換操作，隨機(jī)交換兩個(gè)城市的順序； （ 2）逆序操作，兩個(gè)隨機(jī)位置間的城市逆序； （ 3）插入操作，隨機(jī)選擇某點(diǎn)插入某隨機(jī)位置。 模擬退火算法在管殼式換熱器優(yōu)化設(shè)計(jì)中的應(yīng)用 ),()(m i n 212121212112 LLBBSSddGtfXf ???山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法的實(shí)現(xiàn)與應(yīng)用 智能優(yōu)化計(jì)算 ? 應(yīng)用模擬退火算法解決優(yōu)化設(shè)計(jì) 狀態(tài)表示 —— 12個(gè)變量的實(shí)數(shù)表示； 初始溫度 —— 100； 結(jié)束溫度 —— ； 狀態(tài)產(chǎn)生函數(shù) —— ， η為擾動(dòng)幅度參數(shù)， ξ為隨機(jī)擾動(dòng)變量，隨機(jī)擾動(dòng)可服從柯西、高斯、均勻分布。 其中， f1 (X)是兩級(jí)換熱器的初始投資， f2 (X)是兩級(jí)換熱器年維護(hù)費(fèi) (包括除垢、保養(yǎng)、維修等 )， f3 (X)是冷卻水資源費(fèi)以及管程壓降能耗費(fèi)， f4 (X)是殼程壓降能耗費(fèi)。 fval0(i)=CalDist(dislist,route)。13 40。91 38。68 58。 一種改進(jìn)的模擬退火算法 山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法的改進(jìn) 智能優(yōu)化計(jì)算 ? 改進(jìn)的抽樣過(guò)程 （ 1）令 k=0時(shí)的初始當(dāng)前狀態(tài)為 s’(0)=s(i)， q=0； （ 2）由狀態(tài) s通過(guò)狀態(tài)產(chǎn)生函數(shù)產(chǎn)生新?tīng)顟B(tài) s’，計(jì)算增量?C’=C(s’)C(s)； （ 3）若 ?C’0，則接受 s’作為當(dāng)前解，并判斷 C(s*’)C(s’)? 若是，則令 s*’=s’， q=0；否則，令 q=q+1。 溫度更新函數(shù) 10 ,0 ,1 ????? ?? ktt kk0tKkKtk??山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法關(guān)鍵參數(shù)和操作的設(shè)計(jì) 智能優(yōu)化計(jì)算 ? 非時(shí)齊模擬退火算法 每個(gè)溫度下只產(chǎn)生一個(gè)或少量候選解 ? 時(shí)齊算法 —— 常用的 Metropolis抽樣穩(wěn)定準(zhǔn)則 （ 1）檢驗(yàn)?zāi)繕?biāo)函數(shù)的均值是否穩(wěn)定； （ 2）連續(xù)若干步的目標(biāo)值變化較??； （ 3）按一定的步數(shù)抽樣（固定長(zhǎng)度）。 模擬退火算法的基本思想和步驟 三函數(shù)兩準(zhǔn)則 初始溫度 山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法的馬氏鏈描述 智能優(yōu)化計(jì)算 ? 定義 馬爾科夫鏈 })1()(P r {})1(,)1(,)0()(P r { )}({ )(},{1021inXjnXinXiXiXjnXZnkXkkXss????????????????，滿足稱為馬爾可夫鏈，若隨機(jī)序列時(shí)刻狀態(tài)變量的取值。 物理退火過(guò)程 ?????????????? ??????????? ?????TkEETkETZEEPEEP BB12121 e x p1e x p)(1}{}{1 0 山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法及模型 智能優(yōu)化計(jì)算 ? 數(shù)學(xué)表述 若 |D|為狀態(tài)空間 D中狀態(tài)的個(gè)數(shù)， D0是具有最低能量的狀態(tài)集合： 當(dāng)溫度很高時(shí)，每個(gè)狀態(tài)概率基本相同，接近平均值1/|D|； 狀態(tài)空間存在超過(guò)兩個(gè)不同能量時(shí)，具有最低能量狀態(tài)的概率超出平均值 1/|D| ； 當(dāng)溫度趨于 0時(shí)，分子停留在最低能量狀態(tài)的概率趨于1。 ? 算法的目的 解決 NP復(fù)雜性 問(wèn)題； 克服優(yōu)化過(guò)程陷入局部極??； 克服初值依賴性。 物理退火過(guò)程 01(E j E i )/ k Tp山東大學(xué)威海分校信息工程學(xué)院 2022年 模擬退火算法及模型 智能優(yōu)化計(jì)算 ? Metropolis準(zhǔn)則（ 1953） —— 以概率接受新?tīng)顟B(tài) p=exp[(EjEi)/kBT] 在高溫下，可接受與當(dāng)前狀態(tài)能量差較大的新?tīng)顟B(tài)； 在低溫下，只接受與當(dāng)前狀態(tài)能量差較小的新?tīng)顟B(tài)。 馬爾科夫鏈 })1()(P r {)1(, inXjnXnp ji ?????)1()(, , ???? ? npnpZn jiji})0()(P r {)( , iXjnXp nji ???山東大學(xué)威海分校信
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1