知识卡片
模拟退火允许暂时变差
一般的局部搜索只接受更好的邻居解,一旦周围都更差就停在局部最优。模拟退火不同:在邻域中找到较差的解时,也会以一定概率保留它,让搜索暂时离开当前较优位置,从而给解集带来多样性、有机会越过“小山丘”。
它借用固体退火的比喻,控制参数有:
- 初始温度 T:预先设得较高,起初更愿意接受差解。
- 退火因子 θ:控制降温速度,θ 越大降温越慢。
- 邻居解 P′:在社区检测中,就是与当前划分相似的新划分。
- 适应度函数 F:评价解的好坏;在基于分解的多目标算法中,是子问题上的适应度。
温度和降温速度要按问题调整,接受差解也不能保证最终找到全局最优。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 3 . 3 . 2 局 部 搜 索 · 查看原书依据
1. 模拟退火局部搜索算法 模拟退火算法不同于其他的局部搜索算法,它会以一定的概率保留较差的解,给解集带来多样性。其算法描述如表3.1所示。
参考来源
- 位置:《智能算法导论》第 3 章 3.3.2 节“局部搜索”(`EPUB/xhtml/chapter3_0008.xhtml`);表 3.1。
- 结论依据:正文明确说明模拟退火可能保留较差解,表 3.1 以温度和退火因子控制搜索循环;该表的接受概率表达在图像中不完整,因此本卡不复述公式。
- 原始内容:模拟退火算法不同于其他的局部搜索算法,它会以一定的概率保留较差的解,给解集带来多样性。