模拟退火算法及其改进算法_第1页
模拟退火算法及其改进算法_第2页
模拟退火算法及其改进算法_第3页
模拟退火算法及其改进算法_第4页
模拟退火算法及其改进算法_第5页
已阅读5页，还剩13页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1.模拟退火算法起源1.1模拟退火算法起源于物理退火1.1.1物理退火过程：a.加温过程b.保温过程c.冷却过程 T0降温温度升高原子动能增加跳离原来位置的概率增加原子动能减小跳离原来位置的概率减小继续降温原子位置排列将趋于能量低的状态最后稳定根据这一物理过程，1953年Metropolis提出重要性采样法，即以概率接受新状态。称为Metropolis准则。该准则指出：

固体在恒定温度下达到热平衡的过程可以用MorteCarol算法方法加以模拟，虽然该方法简单，但必须大量采样才能得到比较精确的结果，因而计算量很大。鉴于物理系统倾向于能量较低的状态，而热运动又妨碍它准确落到最低态。采样时着重选取那些有重要贡献的状态则可较快达到较好的结果。1.2随机神经网络BP神经网络和反馈神经网络都是使能量函数按梯度单调下降，如图常常导致网络落入局部最小点而达不到全局最小点，这就意味着训练不收敛。

而随机网络即能赋予网络下山的能力，也能赋予网络上山的能力，特点如下：（1）在学习阶段，随机网络不像其它网络那样基于某种确定性算法（2）在运行阶段，随机网络不是按某种确定性的网络方程进行状态演变，神经元的净输入不能决定其状态是1还是0.

2.模拟退火算法2.1模拟退火算法的原理模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为P=e-ΔE/(kT)其中:E为温度T时的内能ΔE为能量的改变量k为Boltzmann常数用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法。2.2模拟退火算法的步骤2.3模拟退火算法的特点

2.3.1模拟退火算法的优点计算过程简单，通用，鲁棒性强，适用于并行处理，可用于求解复杂的非线性优化问题

2.3.2模拟退火算法的缺点降温过程与解的质量的矛盾2.4模拟退火算法的改进

（1）设计合适的状态产生函数，使其根据搜索进程的需要表现出状态的全空间分散性或局部区域性。（2）设计高效的退火策略。(3)避免状态的迂回搜索。(4)采用并行搜索结构。(5)为避免陷入局部极小，改进对温度的控制方式(6)选择合适的初始状态。(7)设计合适的算法终止准则。还可以通过以下方式进行改进(1)增加升温或重升温过程。在算法进程的适当时机，将温度适当提高，从而可激活各状态的接受概率，以调整搜索进程中的当前状态，避免算法在局部极小解处停滞不前。

人人文库> 全部分类> 专业文献 > 医学资料

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论