关于模拟退火算法的思考

feynmand

最近总是在思考模拟退火算法，有点想法，和大家讨论一下。
模拟退火算法和ga蚁群之类比较起来就是他是由单点出发，然后进化。这两天我觉得这个算法其实就是纸老虎，可能还不如直接一把豆子撒下去看哪个值最优呢。一般来看他的关于退火温度的控制什么的其实也只是控制了一个计划的代数，添加了终止判断条件而已。这种终止条件并没有多少优势。还有关于判断是否接受新个体的标准对于进化方向并没有多少改进。
我这几天思考的结果认为这种算法就是鸡肋，如果需要进行什么优化的话，选这个方法还不如撒多点豆子呢。

qibbxxt

恩，这个算法似乎是比遗传和蚂蚁算法在求解TSP问题上稍逊一筹，也许是参数设置的问题
但是这个算法还是能跳出局部极值的，可以求解SAT,TSP和NPL问题

liushuangq05

模拟退火算法,ga,蚁群这些是"生物"仿真式的,里面的概率函数起到一定的脱离局部极值点的积极效果.而"撒豆子"和蒙特卡罗式相似,"撒豆子"这种穷举法计算代价太高.除非像证明一些数学题只要考虑有限"奇点"的问题,那可以用穷举法.
很多数学模型是不解析的,这也是为什么不用经典的导数(或求弦)来逼近真解,因为没法使用.

feynmand

一般情况下穷举法的代价是无法让人接受的，撒豆子不一定能够取到最优值，我们也无法确定它是否取到了最优值，但是撒豆子可以取到足够好的一个解。我试验过几个测试函数，在相同的计算时间内，撒豆子得到的最优解并不一定比模拟退火差，甚至很多时候结果要好。

liushuangq05

在我们地震界,有时求一些非线性问题的时候,会使用类似康托集的办法.比如对问题的某些变量进行某种分段,先计算段与段的最优值,然后从含最优值的段(可能取不只一段)再细分一定的小段,计算各小段的最优值,依此下去...

liushuangq05

在我们地震界,有时求一些非线性问题的时候,会使用类似康托集的办法.比如对问题的某些变量进行某种分段,先计算段与段的最优值,然后从含最优值的段(可能取不只一段)再细分一定的小段,计算各小段的最优值,依此下去...

sxgywjj2009

这写算法的随机性比较大吧。