文章 "种群优化算法:模拟退火(SA)。第 1 部分" 新评论 MetaQuotes 2024.07.22 08:03 新文章 种群优化算法:模拟退火(SA)。第 1 部分已发布: 模拟退火算法是受到金属退火工艺启发的一种元启发式算法。在本文中,我们将对算法进行全面分析,并揭示围绕这种广为人知的优化方法的一些常见信仰和神话。本文的第二部分将研究自定义模拟各向同性退火(SIA)算法。 模拟退火算法由 Scott Kirkpatrick、George Gelatt 和 Mario Vecchi 于 1983 年开发。在研究高温下液体和固体的性质时,发现金属转变为液态,颗粒随机分布,而能量最小的状态是在初始温度足够高、冷却时间足够长的条件下实现的。如果不满足此条件,那么材料将发现自身处于具有非最小能量的亚稳态 — 这称为硬化,它是由材料的急剧冷却造成。在这种情况下,原子结构不具备对称性(各向异性状态,或晶格内材料的性质不均匀)。 在缓慢的退火过程中,材料也变成固态,但具有组织化的原子和对称性,故此拟议使用该过程开发一种优化算法,该算法可以在复杂问题中找到全局最优。该算法也被提议作为解决组合优化问题的方法。 因此,该算法的主要思路是基于金属退火过程的数学模拟。在退火过程中,为了均匀分布其内能,将金属加热到高温后缓慢冷却,令金属分子移动,并有序进入更稳定的状态,同时释放金属中的内应力,去除晶间缺陷。术语“退火”也与热力学自由能有关,热力学自由能是材料的一个属性,取决于其状态。 模拟退火优化算法使用类似的过程。该算法应用了类似于加热和冷却材料的操作。该算法从初始解开始工作,该初始解可以是随机的,也可从以前的迭代中获得。然后,它应用操作来更改解的状态(可以是随机的、或受控的),从而获得新状态,即使它比当前状态更差。做出更差决策的概率由“冷却”函数决定,该函数降低了随着时间的推移做出更差决策的概率,允许算法暂时“跳出”局部最优值,并在搜索空间的其它地方寻找更好的解。 作者:Andrey Dik 新评论 您错过了交易机会: 免费交易应用程序 8,000+信号可供复制 探索金融市场的经济新闻 注册 登录 拉丁字符(不带空格) 密码将被发送至该邮箱 发生错误 使用 Google 登录 您同意网站政策和使用条款 如果您没有帐号,请注册 可以使用cookies登录MQL5.com网站。 请在您的浏览器中启用必要的设置,否则您将无法登录。 忘记您的登录名/密码? 使用 Google 登录
新文章 种群优化算法:模拟退火(SA)。第 1 部分已发布:
模拟退火算法是受到金属退火工艺启发的一种元启发式算法。在本文中,我们将对算法进行全面分析,并揭示围绕这种广为人知的优化方法的一些常见信仰和神话。本文的第二部分将研究自定义模拟各向同性退火(SIA)算法。
模拟退火算法由 Scott Kirkpatrick、George Gelatt 和 Mario Vecchi 于 1983 年开发。在研究高温下液体和固体的性质时,发现金属转变为液态,颗粒随机分布,而能量最小的状态是在初始温度足够高、冷却时间足够长的条件下实现的。如果不满足此条件,那么材料将发现自身处于具有非最小能量的亚稳态 — 这称为硬化,它是由材料的急剧冷却造成。在这种情况下,原子结构不具备对称性(各向异性状态,或晶格内材料的性质不均匀)。
在缓慢的退火过程中,材料也变成固态,但具有组织化的原子和对称性,故此拟议使用该过程开发一种优化算法,该算法可以在复杂问题中找到全局最优。该算法也被提议作为解决组合优化问题的方法。
因此,该算法的主要思路是基于金属退火过程的数学模拟。在退火过程中,为了均匀分布其内能,将金属加热到高温后缓慢冷却,令金属分子移动,并有序进入更稳定的状态,同时释放金属中的内应力,去除晶间缺陷。术语“退火”也与热力学自由能有关,热力学自由能是材料的一个属性,取决于其状态。
模拟退火优化算法使用类似的过程。该算法应用了类似于加热和冷却材料的操作。该算法从初始解开始工作,该初始解可以是随机的,也可从以前的迭代中获得。然后,它应用操作来更改解的状态(可以是随机的、或受控的),从而获得新状态,即使它比当前状态更差。做出更差决策的概率由“冷却”函数决定,该函数降低了随着时间的推移做出更差决策的概率,允许算法暂时“跳出”局部最优值,并在搜索空间的其它地方寻找更好的解。
作者:Andrey Dik