1 / 23

§ 7.5 模拟退火

§ 7.5 模拟退火. 模拟退火( Simulated Annealing Algorithm) 是近几年提出的一种适合解大规模组合优化问题，特别是解 NP 完全问题的通用有效近似算法。 与以往的近似算法相比，具有描述简单、使用灵活、运用广泛、运行效率高和较少受初始条件限制等优点，而且特别适合并行计算。. § 7.5.1 固体退火与模拟退火算法. 固体退火过程. Metropolis 准则. 模拟退火算法的原理. 1.固体退火过程. 固体退火是指将固体加热至熔化，再徐徐冷却使之凝固成规整晶体的热力学过程，属于热力学与统计物理研究的范畴。

zeheb
Télécharger la présentation

§ 7.5 模拟退火

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. §7.5 模拟退火 模拟退火(Simulated Annealing Algorithm)是近几年提出的一种适合解大规模组合优化问题，特别是解NP完全问题的通用有效近似算法。 与以往的近似算法相比，具有描述简单、使用灵活、运用广泛、运行效率高和较少受初始条件限制等优点，而且特别适合并行计算。

  2. §7.5.1 固体退火与模拟退火算法 固体退火过程 Metropolis准则 模拟退火算法的原理

  3. 1.固体退火过程 • 固体退火是指将固体加热至熔化，再徐徐冷却使之凝固成规整晶体的热力学过程，属于热力学与统计物理研究的范畴。 • 热力学定律 ─ 系统状态的自发变化总是朝着自由能减小的方向进行，当自由能达到最小时，系统达到平衡。 • 系统自由能变化：

  4. 系统平衡时，宏观状态已经确定，但系统的微观状态不断变化。对于一确定的宏观状态系统处于某一微观状态(或其附近)的几率分布为Gibbs正则分布，即：其中， 称为Boltzmann因子，T 是绝对温度，k, Z 是常数。

  5. 2. Metropolis接受准则 • 重要性采样法(Metropolis等, 1953年)：初始状态—当前状态—重要状态

  6. 3. 模拟退火算法的提出 • 1982年，Kirkpatrick等提出。 初始解—当前解—新解—最终解

  7. §7.5.2 模拟退火算法的基本过程 • 程序： procedure SIMULATED_ANNEALING; begin INITIALIZE(i0,t0,L0); k:=0; i:=i0; repeat for l:=1 to Lk do begin GENERATE(j from Si); if >random [0,1) then i:=j end; k:=k+1; CALCULATE_LENGTH(Lk); CALCULATE_CONTROL(tk)； until stop_criterion end;

  8. START 降温 产生新解 评 价 马尔克夫链结束？ 满足结束条件？ Metropolis准则 STOP 程序框图 设置起始温度T0; 产生随机解 {xi} 冷却进度表 (Annealing Schedule) 初始化 Y N N Y

  9. §7.5.3 模拟退火算法的冷却进度表 • 模拟退火算法中参数tk和Lk(k=0,1,2…)的选择是算法的关键，直接决定收敛速度。 • 冷却进度表(Cooling Schedule) • 1.控制参数t的初始值t0； • 2.控制参数t的衰减函数； • 3.控制参数t的终值tf (停止准则)； • 4.马尔柯夫链的长度Lk与x的产生。

  10. BA FA VFA T(k)与G(x) 退火进度表 Annealing Schedule 概率密度函数 Generation Distribution

  11. BA FA VFA

  12. §7.5.4 模拟退火算法的特点与改进 • 特点：高效、健壮、通用、灵活 • 改进措施 • 1. 加温过程 • 2. 记忆功能 • 3. 返回搜索过程(局部搜索最优解) • 4. 回火功能 • 5. 演化策略(GA-SAA的结合)

  13. 退火演化算法 initialization while (!stop) for i=1, popsize SA: 马尔柯夫链(产生新解、Metropolis准则) end GA: selection crossover mutation SA: annealing end of while

  14. 快速退火演化(FAEA)算法 START SA, GA：初始化 SA：马尔柯夫链 GA：个体i  pop GA：选择 基因交换 变异 VFA：产生新解 SA：接受新解？ N N tk<tf？ VFA：调整 Y Y SA：新解转移 STOP

  15. §7.5.5 模拟退火算法的应用 • 优化问题——与遗传算法相同

  16. 方法 成功次数 / 成功率 评价次数(min/av/max) GA(100) VFA AEA(30) FAEA(30) 20 / 100 20 / 100 20 / 100 20 / 100 115474 / 829130 / 400009 527 / 1113 / 3000 9510 / 12417 / 17370 10684 / 13587 / 10172 几种算法用于函数极值问题的结果比较(1 — F8) n=5时, 155个局部极小， 其中之一为全局极小。

  17. 方法 成功次数 / 成功率 评价次数(min/av/max) GA(100) VFA AEA(30) FAEA(30) 18 / 90.0 20 /100 20 / 100 20 /100 665766 / 2793513 / 6529018 399 / 469 / 697 5160 / 7640 / 8760 7700 / 9219 / 11102 几种算法用于函数极值问题的结果比较(2 — F9, Shubert’s function) 18个全局极小

  18. 方法 成功次数 / 成功率 评价次数(min/av/max) 0 / 0.0 0 / 0.0 0 / 0.0 19 / 95.0 0 / 0.0 20 / 100 - / - / - - / - / - - / - / - 99562 / 546045 / 1633593 - / - / - 220946 / 613997 / 1294277 GA(100) VFA AEA(30) AEA(100) FAEA(30) FAEA(100) 几种算法用于函数极值问题的结果比较(3 — F4, Griewank’s function) It has many widespread local minima.

  19. FAEA算法 Wensheng Cai, Xueguang Shao A fast annealing evolutionary algorithm for global optimization Journal of Computational Chemistry, 2002, 23(4):427-435

  20. FAEA应用于取代-环糊精与氨基酸的手性识别研究FAEA应用于取代-环糊精与氨基酸的手性识别研究 夏保云，蔡文生，潘忠孝，邵学广 快速退火演化算法用于取代-环糊精与氨基酸手性识别研究 高等学校化学学报，2002，23(6):1122-1125

  21. FAEA应用于(C60)N分子簇的结构优化 Wensheng Cai, Yan Feng, Xueguang Shao, Zhongxiao Pan Global optimization of (C60)Nmolecular clusters Chemical Physics Letters, 2002,359(1-2):27-34 • Girifalco potential

  22. The Cambridge Cluster Database 对(C60)N分子簇计算结果的引用  http://www-wales.ch.cam.ac.uk/~jon/ structures/ C60/Girifalco/tables.html (C60)30的最优结构 (C60)62的最优结构 引用

  23. 作 业 • 简述模拟退火算法的基本思想。 • 什么是马尔柯夫链？

More Related