| Språk : |
|
| Encyclopedia gemenskap |Encyclopedia Svar |Submit fråga |Ordförråd Kunskap |Överför kunskap |
Intelligent algoritm |
|
om f (vc) <f (vn) sedan vc: = vn; annars om random [0,1] <exp ((f (vn)-f (vc)) / T) (2) sedan vc: = vn; tills (uppsägning-tillstånd) (3) T: = g (T, t), (4) T: = t 1;tills (stop-kriteriet) (5) slut; Ovanstående program, är nyckeln till att (1) skapa ny statlig funktion, (2) att godkänna den nya staten funktion, (3) provtagning stabilitetskriteriet, (4) tillbaka varmt funktion, (5) glödgning slutkriterium (kallas en funktion av två tre kriterier ) är den viktigaste länken direkt påverka optimering resultat. Experimentella resultat visar att medan ingen effekt på det initiala värdet av det slutliga resultatet, men den ursprungliga temperaturen är högre, desto större är sannolikheten för att erhålla en lösning av hög kvalitet. Därför bör vi försöka att välja en relativt hög initial temperatur. Ovanstående viktiga strategier val: (1) statliga generation funktion: en kandidat lösning bestäms av det aktuella grannskapet funktionslösning kan du ta utbytbara, infoga, vända och annan verksamhet genererar, och sedan välja en ny lösning som bygger på sannolikhetsfördelningen av vägen, kan du ta en uniform sannolikhetsfördelning, normalfördelning, Gaussian, Cauchy distribution. (2) stater acceptera funktion: denna del av de mest kritiska, men experiment visar att den funktion för vilken godkännande av det slutliga resultatet inte påverkas. Därför, i allmänhet valt min [1, exp ((f (vn)-f (vc)) / T)]. (3) Samplingsstabilitetskriterier: vanligen används är: mean testet målfunktion är stabil, kontinuerlig små förändringar i målet antal steg, skriven visst antal steg; (4) Uttag temperaturfunktion: Om den önskade temperaturen måste följa visst förhållande minskat, kan SA algoritm användas, men temperaturen sjunker mycket långsamt, Snabb SA, allmän användning. För närvarande, ofta som är värdet av en ständigt föränderlig. (5) glödgning slutkriterium: i allmänhet är: inställd stopptemperatur, ställa in antalet iterationer, sökte upprepade gånger optimala värdet är oförändrat, inspektionssystem entropi är stabilt. För att säkerställa en relativt överlägsna lösningar, algoritmer tenderar att ta den långsamma kylningen, multi-sampling, samt "uppsägning temperaturen" satt relativt lågt läge, vilket algoritm gångtid är relativt lång, vilket är den största nackdelen av simulerad glödgning. Människor berusade ordnar inte flexibel, för att inte nämna den kanin? Genetiska algoritmer "Naturligt urval, survival of the fittest" är den grundläggande idén om evolutionen. Genetiska algoritmer som simulerar den naturliga vill göra. Genetisk algoritm kan användas för optimeringsproblem, om den naturliga processen det som mycket idealiserade simuleringar visar sig mer elegant - även om överlevnads konkurrensen är brutal. Genetiska algoritmer i en population av alla individer som objekt och tekniska riktlinjer för användningen av randomisering en effektiv kodning av parameterutrymme ökning. Bland dem, urvals, crossover och mutation genetiska verksamhet utgör den genetiska algoritmen, konstruktionsparameter kodning, ange det ursprungliga befolkningen, fitness-funktion, genmanipulation konstruktion, parameterkontroll inställning fem elementen i det centrala innehållet i den genetiska algoritmen. Som en ny global optimering sökalgoritm, genetisk algoritm med sin enkla och universella, robusta och starka, som lämpar sig för parallell bearbetning och effektiva, praktiska och andra anmärkningsvärda funktioner, inom olika områden har i stor utsträckning, och uppnått goda resultat, och har blivit en viktig smart algoritm. Genetisk algoritm pseudo-kod: förfarande genetisk algoritm börja initiera en grupp och utvärdera överensstämmelsevärde, (1) medan inte konvergent (2) börja väljer, (3) Om random [0,1] <pc sedan crossover, (4) Om random (0,1) <pm sedan |
| Användare Omdöme |
|
Inga kommentarer |
