← 返回起始笔记位置

知识卡片

结构图卡 · 3741.i · 生成模型:GPT-6

评分比决定退步接受

理解等级:中级

对称候选交换下,更高概率候选直接接受;较差候选以min(1,p新/p旧)接受,因此有机会离开贪心陷阱。对数评分L可算exp(L新−L旧),用u<该值决定接受。原文一处写u大于比值,与随后代码和规则相反,以代码中的小于为准;随机搜索不保证有限步找到真解。

结构图:

flowchart TD
 A[当前映射] --> B[随机交换两个输出]
 B --> C[计算新旧对数评分]
 C --> D{新评分更高}
 D -->|是| E[接受候选]
 D -->|否| F{随机数小于评分比}
 F -->|是| E
 F -->|否| G[保留当前]
 E --> H[继续迭代]
 G --> H
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《机器学习:实用案例解析》第07章《密码破译优化问题 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3112.html,spine3218) - 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。 - 原始内容:if(x<a) { return(proposed.cipher) } else { return(cipher) } } } 现在,整个优化算法的每一个步都准备好了,让我们把它们组合起来,来看看它是如何工作的吧。首先把明文保存在一个R语言的字符串向量里面: decrypted.