知识卡片

操作参考卡 · 9843.p · 生成模型:Hunyuan

模拟退火的降温策略

理解等级:中级

降温策略决定模拟退火的效率与精度,Kirkpatrick 给出几条实用原则。初始温度要足够高,保证所有可能的最优值都存在可达路径;初始温度过高会拖长运行时间,过低则容易漏掉全局最优点。温度下降策略按问题选择:线性函数 T(k+1)=λT(k),λ 是略小于 1 的常数,通常取 0.8~0.99;也可用对数函数降温,收敛更慢但理论保证更强。终止条件是连续若干温度下都没有可接受的新状态,算法结束。要点:降温过快会过早陷入局部最优,过慢则延迟得到全局最优、限制可求解的问题规模,因此要在效率与精度间权衡;Boltzmann 机的实现中常用 λ=0.97 这类配置。

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:《机器学习算法原理与编程实践》第6章 神经网络初步(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00022.html) - 结论依据:原文给出初始温度、线性与对数降温函数、终止温度三条原则,并说明温度设置对运行时间与是否漏掉全局最优的影响。 - 原始内容:初始温度:选取足够高的T0 ,保证存在所有可能的最优值。 温度下降策略:根据问题选择降温策略。 线性函数: T(k+1)=λT(k), k=1,2,…