- 在线时间
- 861 小时
- 最后登录
- 2024-4-18
- 注册时间
- 2022-2-27
- 听众数
- 28
- 收听数
- 0
- 能力
- 90 分
- 体力
- 120408 点
- 威望
- 9 点
- 阅读权限
- 255
- 积分
- 39019
- 相册
- 0
- 日志
- 0
- 记录
- 0
- 帖子
- 1368
- 主题
- 832
- 精华
- 32
- 分享
- 0
- 好友
- 27
TA的每日心情 | 奋斗 2024-4-18 15:56 |
---|
签到天数: 515 天 [LV.9]以坛为家II 网络挑战赛参赛者 - 自我介绍
- 我是普大帝,拼搏奋进,一往无前。
|
你好!我是陪你一起进阶人生的普大帝!愿你成才!祝你成长!8 |8 J: a: y" p8 n8 j, Q& e& J0 @
为大家更新一些算法类的辅助资料,大家在想学习时,或者比赛急需时就可以按照对应的名字找到对应的算法,加以应用了。大家按照下图所示箭头处点击主题,就可以查看到其他算法类内容了,或者搜索框内输入算法大全,也可以搜索到对应的贴子,本篇为第23篇。 | " o3 T4 d, t4 I' _2 s) ^
现代优化算法
A: w" N- i/ p4 B现代优化算法是 80 年代初兴起的启发式算法。这些算法包括禁忌搜索(tabusearch),模拟退火(simulated annealing),遗传算法(genetic algorithms),人工神经网络(neural networks)。它们主要用于解决大量的实际应用问题。目前,这些算法在理论和实际应用方面得到了较大的发展。无论这些算法是怎样产生的,它们有一个共同的目标-求 NP-hard 组合优化问题的全局最优解。虽然有这些目标,但 NP-hard 理论限制它们只能以启发式的算法去求解实际问题。启发式算法包含的算法很多,例如解决复杂优化问题的蚁群算法(Ant ColonyAlgorithms)。有些启发式算法是根据实际问题而产生的,如解空间分解、解空间的限制等;另一类算法是集成算法,这些算法是诸多启发式算法的合成。: G8 K1 Z, Y; x/ n( M; h8 e
现代优化算法解决组合优化问题,如 TSP(Traveling Salesman Problem)问题,QAP(Quadratic Assignment Problem)问题,JSP(Job-shop Scheduling Problem)问题等效果很好。' }6 _/ Z: v* n \
§1 模拟退火算法
% @+ V- Q$ ^. D1.1 算法简介8 A+ z$ Z+ j1 H2 P
模拟退火算法得益于材料的统计力学的研究成果。统计力学表明材料中粒子的不同结构对应于粒子的不同能量水平。在高温条件下,粒子的能量较高,可以自由运动和重新排列。在低温条件下,粒子能量较低。如果从高温开始,非常缓慢地降温(这过程被称为退火),粒子就可以在每个温度下达到热平衡。当系统完全被冷却时,最终形成处于低能状态的晶体。* R3 F# W' r" ^+ ^- y0 Q: H, n
如果用粒子的能量定义材料的状态,Metropolis 算法用一个简单的数学模型描述了退火过程。假设材料在状态 i 之下的能量为 ) (i E ,那么材料在温度 T 时从状态 i 进入状态 j 就遵循如下规律:+ T0 r: o4 @ h J, Z, Z, }/ L0 W: e% S
. {. `6 v6 R" D$ ]
. E) x1 ?( C+ w5 n( @% F* H9 c/ y8 ]& g% T+ I0 r) d+ F2 q
|
zan
|