清華大學(xué)人工智能導(dǎo)論課程電子教案公開課一等獎(jiǎng)?wù)n件省課獲獎(jiǎng)?wù)n件_第1頁
清華大學(xué)人工智能導(dǎo)論課程電子教案公開課一等獎(jiǎng)?wù)n件省課獲獎(jiǎng)?wù)n件_第2頁
清華大學(xué)人工智能導(dǎo)論課程電子教案公開課一等獎(jiǎng)?wù)n件省課獲獎(jiǎng)?wù)n件_第3頁
清華大學(xué)人工智能導(dǎo)論課程電子教案公開課一等獎(jiǎng)?wù)n件省課獲獎(jiǎng)?wù)n件_第4頁
清華大學(xué)人工智能導(dǎo)論課程電子教案公開課一等獎(jiǎng)?wù)n件省課獲獎(jiǎng)?wù)n件_第5頁
已閱讀5頁,還剩94頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

高級搜索第1頁主要內(nèi)容局部搜索辦法模擬退火算法遺傳算法第2頁優(yōu)化與組合優(yōu)化問題很多問題屬于優(yōu)化問題,或者能夠轉(zhuǎn)化為優(yōu)化問題如TSP問題,皇后問題第3頁優(yōu)化問題描述設(shè)x是決策變量,D是x定義域,f(x)是指標(biāo)函數(shù),g(x)是約束條件集合。則優(yōu)化問題能夠表達(dá)為,求解滿足g(x)f(x)最小值問題。假如在定義域D上,滿足條件g(x)解是有限,則優(yōu)化問題稱為組合優(yōu)化問題。第4頁算法時(shí)間復(fù)雜度對于組合優(yōu)化問題,由于其也許解是有限,當(dāng)問題規(guī)模比較小時(shí),總能夠通過枚舉辦法取得問題最優(yōu)解,但當(dāng)問題規(guī)模比較大時(shí),就難于求解了。常用算法復(fù)雜度函數(shù)第5頁

輸入量n復(fù)雜性函數(shù)10203040100n10ns20ns30ns40ns100nsnlogn10ns26.0ns44.3ns64.1ns200nsn2100ns400ns900ns1.6us10us2n1.0us1.0ms1.1s18.3min4.0世紀(jì)n!3.6ms77.1年8.4×1013世紀(jì)2.6×1029世紀(jì)3.0×10139世紀(jì)時(shí)間復(fù)雜性函數(shù)比較(10億次/秒)第6頁某些難組合優(yōu)化問題旅行商問題背包問題裝箱問題...謀求在能夠接收時(shí)間內(nèi)得到滿意解辦法第7頁鄰域概念鄰域,簡單說就是一種點(diǎn)附近其他點(diǎn)集合。在距離空間,鄰域就是以某一點(diǎn)為中心圓。組合優(yōu)化問題定義:設(shè)D是問題定義域,若存在一種映射N,使得:則稱N(S)為S鄰域。第8頁例:皇后問題S={Si}表達(dá)一種也許解,其中Si表達(dá)在第i行,第Si列有一種皇后。如四皇后問題一種解:S=(2,4,1,3)

Q

QQ

Q

第9頁定義映射N為棋盤上任意兩個(gè)皇后所在行或列進(jìn)行交換,即S中任意兩個(gè)元素交換位置。例:當(dāng)S=(2,4,1,3)時(shí),其鄰域?yàn)椋篘(S)={(4,2,1,3),(1,4,2,3),(3,4,1,2),(2,1,4,3),(2,3,1,4),(2,4,3,1)}第10頁例:旅行商問題用一種都市序列表達(dá)一種也許解。通過交換兩個(gè)都市位置獲取S鄰居例:簡單交換辦法設(shè)S=(x1,x2,…xi-1,xi,xi+1,…,xj-1,xj,xj+1,…,xn)則通過交換xi和xj兩個(gè)都市位置能夠得到S一種鄰居:S'=(x1,x2,…xi-1,xj,xi+1,…,xj-1,xi,xj+1,…,xn)第11頁x1x2xnxj+1xjxj-1xi-1xixi+1x1x2xnxj+1xjxj-1xi-1xixi+1第12頁例:逆序交換辦法設(shè)xi、xj是選用兩個(gè)都市,所謂逆序交換方式是指,通過逆轉(zhuǎn)xi、xj兩個(gè)都市之間都市次序來得到S鄰居。設(shè):S=(x1,x2,…xi-1,xi,xi+1,…,xj-1,xj,xj+1,…,xn)則:S'=(x1,x2,…xi-1,xi,xj-1,xj-2…,xi+1,xj,xj+1,…,xn)第13頁x1x2xnxj+1xjxj-1xi-1xixi+1x1x2xnxj+1xjxj-1xi-1xixi+1第14頁局部搜索算法基本思想:在搜索過程中,始終向著離目標(biāo)最接近方向搜索。目標(biāo)能夠是最大值,也能夠是最小值。在背面介紹中,假如沒有特殊說明,均假定是最小值。第15頁局部搜索算法(LocalSearch)1,隨機(jī)選擇一種初始也許解x0∈D,xb=x0,P=N(xb);2,假如不滿足結(jié)束條件,則3,Begin4, 選擇P一種子集P',xn為P'中最優(yōu)解5, 假如f(xn)<f(xb),則xb=xn,P=N(xb),轉(zhuǎn)2;f(x)為指標(biāo)函數(shù)。6, 不然P=P–P',轉(zhuǎn)2。7,End8,輸出計(jì)算成果9,結(jié)束第16頁例:5都市旅行商問題●●●●●ABCDE71361071010965第17頁設(shè)初始也許解:x0=(a,b,c,d,e)f(xb)=f(x0)=38通過交換兩個(gè)都市取得領(lǐng)域P={(a,c,b,d,e),(a,d,c,b,e),(a,e,c,d,b),(a,b,d,c,e),(a,b,e,d,c),(a,b,c,e,d)}設(shè)每次隨機(jī)從P中選擇一種鄰居。第18頁第一次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,c,b,d,e),f(xn)=42,f(xn)>f(xb),P=P–{xn}={(a,d,c,b,e),(a,e,c,d,b),(a,b,d,c,e),(a,b,e,d,c),(a,b,c,e,d)}第19頁第二次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,d,c,b,e),f(xn)=45,f(xn)>f(xb),P=P–{xn}={(a,e,c,d,b),(a,b,d,c,e),(a,b,e,d,c),(a,b,c,e,d)}第20頁第三次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,e,c,d,b),f(xn)=44,f(xn)>f(xb),P=P–{xn}={(a,b,d,c,e),(a,b,e,d,c),(a,b,c,e,d)}第21頁第四次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,b,d,c,e),f(xn)=44,f(xn)>f(xb),P=P–{xn}={(a,b,e,d,c),(a,b,c,e,d)}第22頁第五次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,b,e,d,c),f(xn)=34,f(xn)<f(xb),xb=(a,b,e,d,c),P={(a,e,b,d,c),(a,d,e,b,c),(a,c,e,d,b),(a,b,d,e,c),(a,b,c,d,e),(a,b,e,c,d)}第23頁第六次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,e,b,d,c),f(xn)=44,f(xn)>f(xb),P=P–{xn}={(a,d,e,b,c),(a,c,e,d,b),(a,b,d,e,c),(a,b,c,d,e),(a,b,e,c,d)}第24頁第七次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,d,e,b,c),f(xn)=39,f(xn)>f(xb),P=P–{xn}={(a,c,e,d,b),(a,b,d,e,c),(a,b,c,d,e),(a,b,e,c,d)}第25頁第八次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,c,e,d,b),f(xn)=38,f(xn)>f(xb),P=P–{xn}={(a,b,d,e,c),(a,b,c,d,e),(a,b,e,c,d)}第26頁第九次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,b,d,e,c),f(xn)=38,f(xn)>f(xb),P=P–{xn}={(a,b,c,d,e),(a,b,e,c,d)}第27頁第十次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,b,c,d,e),f(xn)=38,f(xn)>f(xb),P=P–{xn}={(a,b,e,c,d)}第28頁第十一次循環(huán)從P中選擇一種元素,假設(shè)xn=(a,b,e,c,d),f(xn)=41,f(xn)>f(xb),P=P–{xn}={}P等于空,算法結(jié)束,得到成果為xb=(a,b,e,d,c),f(xb)=34。第29頁存在問題局部最優(yōu)問題

第30頁處理辦法每次并不一定選擇鄰域內(nèi)最優(yōu)點(diǎn),而是根據(jù)一定概率,從鄰域內(nèi)選擇一種點(diǎn),指標(biāo)函數(shù)優(yōu)點(diǎn),被選中概率比較大,而指標(biāo)函數(shù)差點(diǎn),被選中概率比較小。第31頁選擇概率計(jì)算設(shè)求最大值:第32頁選擇概率計(jì)算當(dāng)求最小值時(shí):第33頁局部搜索算法1(LocalSearch1)1,隨機(jī)選擇一種初始也許解x0∈D,xb=x0,P=N(xb)2,假如不滿足結(jié)束條件,則3,Begin4, 對于所有x∈P計(jì)算指標(biāo)函數(shù)f(x),并按照式(3)或者式(4)計(jì)算每一種點(diǎn)x概率5, 依計(jì)算概率值,從P中隨機(jī)選擇一種點(diǎn)xn,xb=xn,P=N(xb),轉(zhuǎn)26,End7,輸出計(jì)算成果8,結(jié)束第34頁存在問題步長問題初始值搜索到最優(yōu)解第35頁處理辦法變步長初始值搜索到最優(yōu)解第36頁局部搜索算法2(LocalSearch2)1,隨機(jī)選擇一種初始也許解x0∈D,xb=x0,確定一種初始步長計(jì)算P=N(xb)2,假如不滿足結(jié)束條件,則3,Begin4, 選擇P一種子集P',xn為P'中最優(yōu)解5, 假如f(xn)<f(xb),則xb=xn6, 按照某種策略變化步長,計(jì)算P=N(xb),轉(zhuǎn)27, 不然P=P–P',轉(zhuǎn)2。8,End9,輸出計(jì)算成果10,結(jié)束第37頁存在問題起始點(diǎn)問題AB全局最大值局部最大值第38頁處理辦法隨機(jī)生成某些初始點(diǎn),從每個(gè)初始點(diǎn)出發(fā)進(jìn)行搜索,找到各自最優(yōu)解。再從這些最優(yōu)解中選擇一種最佳成果作為最后成果。第39頁局部搜索算法3(LocalSearch3)1,k=02,隨機(jī)選擇一種初始也許解x0∈D,xb=x0,P=N(xb)3,假如不滿足結(jié)束條件,則4,Begin5, 選擇P一種子集P',xn為P'中最優(yōu)解6, 假如f(xn)<f(xb),則xb=xn,P=N(xb),轉(zhuǎn)37, 不然P=P–P',轉(zhuǎn)3。8,End9,k=k+110,假如k達(dá)成了指定次數(shù),則從k個(gè)成果中選擇一種最佳成果輸出,不然轉(zhuǎn)(2)11,輸出成果12,結(jié)束第40頁多種辦法集成以上幾個(gè)處理辦法能夠結(jié)合在一起使用,例如第一、第二種辦法結(jié)合,就產(chǎn)生了我們將在背面介紹模擬退火辦法。第41頁皇后搜索算法(QueenSearch)1,隨機(jī)地將n個(gè)皇后分布在棋盤上,使得棋盤每行、每列只有一種皇后。2,計(jì)算皇后間沖突數(shù)conflicts。3,假如沖突數(shù)conflicts等于0,則轉(zhuǎn)(6)4,對于棋盤上任意兩個(gè)皇后,交換他們行或者列,假如交換后沖突數(shù)conflicts減少,則接收這種交換,更新沖突數(shù)conflicts,轉(zhuǎn)3。5,假如陷入了局部極小,既交換了所有皇后后,沖突數(shù)仍然不能下降,則轉(zhuǎn)1。6,輸出成果7,結(jié)束。第42頁不一樣規(guī)模下皇后問題

平均求解時(shí)間

皇后數(shù)1005001000202350001000030000平均時(shí)間(秒)55122817090010000第43頁模擬退火算法是局部搜索算法一種擴(kuò)展最早由Metropolis在1953年提出,Kirkpatrick等人在1983年成功地將模擬退火算法用于求解組合優(yōu)化問題?;舅枷胧墙栌媒饘偻嘶^程改善局部搜索算法第44頁固體退火過程溶解過程:伴隨溫度不停上升,粒子逐漸脫離開其平衡位置,變得越來越自由,直達(dá)到成固體溶解溫度,粒子排列從本來有序狀態(tài)變?yōu)橥耆珶o序狀態(tài)。退火過程:伴隨溫度下降,粒子熱運(yùn)動逐漸削弱,粒子逐漸停留在不一樣狀態(tài),其排列也從無序向有序方向發(fā)展,直至到溫度很低時(shí),粒子重新以一定構(gòu)造排列。

第45頁粒子不一樣排列構(gòu)造,對應(yīng)著不一樣能量水平。假如退火過程是遲緩進(jìn)行,也就是說,溫度下降假如非常遲緩話,使得在每個(gè)溫度下,粒子排列都達(dá)成一種平衡態(tài),則當(dāng)溫度趨于0(絕對溫度)時(shí),系統(tǒng)能量將趨于最小值。第46頁假如以粒子排列或者對應(yīng)能量來體現(xiàn)固體所處狀態(tài),在溫度T下,固體所處狀態(tài)具有一定隨機(jī)性。一方面,物理系統(tǒng)傾向于能量較低狀態(tài),另一方面,熱運(yùn)動又妨礙了系統(tǒng)精確落入低能狀態(tài)。第47頁Metropolis準(zhǔn)則

從狀態(tài)i轉(zhuǎn)換為狀態(tài)j準(zhǔn)則:假如E(j)≤E(i),則狀態(tài)轉(zhuǎn)換被接收;假如E(j)>E(i),則狀態(tài)轉(zhuǎn)移被接收概率為:其中E(i)、E(j)分別表達(dá)在狀態(tài)i、j下能量,T是溫度,K>0是波爾茲曼常數(shù)。第48頁在給定溫度T下,當(dāng)進(jìn)行足夠數(shù)次狀態(tài)轉(zhuǎn)換后,系統(tǒng)將達(dá)成熱平衡。此時(shí)系統(tǒng)處于某個(gè)狀態(tài)i概率由波爾茲曼(Boltzmann)分布給出:(6)其中為歸一化因子,S是所有也許狀態(tài)集合。第49頁考查一下式(6)隨溫度T變化情況:同一溫度下,兩個(gè)能量不一樣狀態(tài)高溫下情況低溫下情況當(dāng)溫度下降時(shí)情況第50頁在給定溫度T下,設(shè)有i、j兩個(gè)狀態(tài),E(i)<E(j):即在任何溫度T下,系統(tǒng)處于能量低狀態(tài)概率大于處于能量高狀態(tài)概率。

由于E(i)<E(j),因此該項(xiàng)不大于1

第51頁當(dāng)溫度趨于無窮時(shí):其中|S|表達(dá)系統(tǒng)所有也許狀態(tài)數(shù)。

當(dāng)溫度很高時(shí),系統(tǒng)處于各個(gè)狀態(tài)概率基本相等,接近于平均值,與所處狀態(tài)能量幾乎無關(guān)。

第52頁當(dāng)溫度趨于0時(shí):設(shè)Sm表達(dá)系統(tǒng)最小能量狀態(tài)集合,Em是系統(tǒng)最小能量。上式分子、分母同乘以第53頁第54頁當(dāng)溫度趨近于0時(shí),系統(tǒng)以等概率趨近于幾個(gè)能量最小狀態(tài)之一,而系統(tǒng)處于其他狀態(tài)概率為0。以概率1達(dá)成能量最小狀態(tài)。第55頁當(dāng)溫度上升或下降時(shí):第56頁第57頁系統(tǒng)落入低能量狀態(tài)概率伴隨溫度下降單調(diào)上升,而系統(tǒng)落入高能量狀態(tài)概率伴隨溫度下降單調(diào)下降。第58頁在高溫下,系統(tǒng)基本處于無序狀態(tài),基本以等概率落入各個(gè)狀態(tài)。在給定溫度下,系統(tǒng)落入低能量狀態(tài)概率大于系統(tǒng)落入高能量狀態(tài)概率,這樣在同一溫度下,假如系統(tǒng)交換足夠充足,則系統(tǒng)會趨向于落入較低能量狀態(tài)。伴隨溫度遲緩下降,系統(tǒng)落入低能量狀態(tài)概率逐漸增加,而落入高能量狀態(tài)概率逐漸減少,使得系統(tǒng)各狀態(tài)能量盼望值隨溫度下降單調(diào)下降,而只有那些能量不大于盼望值狀態(tài),其概率才隨溫度下降增加,其他狀態(tài)均隨溫度下降而下降。因此,伴隨能量盼望值逐漸下降,能量低于盼望值狀態(tài)逐漸減少,當(dāng)溫度趨于0時(shí),只剩下那些具有最小能量狀態(tài),系統(tǒng)處于其他狀態(tài)概率趨近于0。因此最后系統(tǒng)將以概率1處于具有最小能量一種狀態(tài)。第59頁達(dá)成最小能量狀態(tài)三個(gè)條件

(1)初始溫度必須足夠高;(2)在每個(gè)溫度下,狀態(tài)交換必須足夠充足;(3)溫度T下降必須足夠遲緩。第60頁組合優(yōu)化問題與退火過程類比固體退火過程組合優(yōu)化問題物理系統(tǒng)中一種狀態(tài)組合優(yōu)化問題解狀態(tài)能量解指標(biāo)函數(shù)能量最低狀態(tài)最優(yōu)解溫度控制參數(shù)第61頁1,隨機(jī)選擇一種解i,k=0,t0=Tmax(初始溫度),計(jì)算指標(biāo)函數(shù)f(i)。2,假如滿足結(jié)束條件,則轉(zhuǎn)(15)。3,Begin4, 假如在該溫度內(nèi)達(dá)成了平衡條件,則轉(zhuǎn)(13)。5, Begin6, 從i鄰域N(i)中隨機(jī)選擇一種解j。7, 計(jì)算指標(biāo)函數(shù)f(j)。8, 假如f(j)<f(i),則i=j,f(i)=f(j),轉(zhuǎn)(4)。9, 計(jì)算10, 假如Pt(i=>j)>Random(0,1),則i=j,f(i)=f(j)。11, 轉(zhuǎn)(4)12, End13, tk+1=Drop(tk),k=k+1。14,End15,輸出成果。16,結(jié)束。第62頁算法中問題初始溫度選用內(nèi)循環(huán)結(jié)束條件,即每個(gè)溫度狀態(tài)交換何時(shí)結(jié)束外循環(huán)結(jié)束條件,即溫度下降到什么時(shí)候結(jié)束溫度下降辦法第63頁在模擬退火過程中,給定溫度下狀態(tài)(解)轉(zhuǎn)移能夠看作是一種馬爾可夫鏈。對于任意兩個(gè)狀態(tài)i和j,我們用Pt(i,j)表達(dá)溫度t下,從狀態(tài)i轉(zhuǎn)移到狀態(tài)j一步轉(zhuǎn)移概率,則有:其中:Gt(i,j)是產(chǎn)生概率,表達(dá)從狀態(tài)i產(chǎn)生狀態(tài)j概率。At(i,j)是接收概率,表達(dá)在狀態(tài)i產(chǎn)生狀態(tài)j后,接收狀態(tài)j概率。第64頁定理1第65頁滿足條件Gt(i,j)、At(i,j)舉例:

說明:條件2后半部分除外,該條件與詳細(xì)問題有關(guān)。第66頁定理2:在定理1條件下,假如對于任意兩個(gè)狀態(tài)

有:則有:第67頁定理3(放寬了定理1條件)

Gt(i,j)、At(i,j)滿足定理1中除條件(2)以外所有其他條件,并且:1,對于任意兩個(gè)狀態(tài)i、j,它們互相為鄰居或者互相都不為鄰居;2,對于任意i,Gt(i,j)滿足:3,狀態(tài)空間S對于鄰域是連通;則與模擬退火算法相伴時(shí)齊馬爾可夫鏈存在平穩(wěn)分布,其分布概率為:

第68頁算法實(shí)現(xiàn)(1)初始溫度t0;(2)溫度t衰減函數(shù),即溫度下降 辦法;(3)算法終止準(zhǔn)則,用終止溫度tf或 者終止條件給出;(4)每個(gè)溫度t下馬爾可夫鏈長度Lk。第69頁起始溫度選用(1)一種合適初始溫度,應(yīng)確保平穩(wěn)分布中每一種狀態(tài)概率基本相等,也就是接收概率P0近似等于1。在Metropolis準(zhǔn)則下,即要求:第70頁假如我們給定一種比較大接收概率P0,則:第71頁其中,能夠有下列估計(jì)方式:第72頁起始溫度選用(2)假設(shè)在t0下隨機(jī)生成一種狀態(tài)序列,分別用m1和m2表達(dá)指標(biāo)函數(shù)下降狀態(tài)數(shù)和指標(biāo)函數(shù)上升狀態(tài)數(shù),表達(dá)狀態(tài)增加平均值。則m2個(gè)狀態(tài)中,被接收個(gè)數(shù)為:第73頁因此平均接收率為:求解有:第74頁起始溫度選用(3)模擬固體升溫過程:(1)給定一種希望初始接收概率P0,給定一種較低初始溫度t0,例如t0=1;(2)隨機(jī)產(chǎn)生一種狀態(tài)序列,并計(jì)算該序列接收率:假如接收率大于給定初始接收概率P0,則轉(zhuǎn)(4);(3)提升溫度,更新t0,轉(zhuǎn)(2);(4)結(jié)束。第75頁溫度下降辦法(1)等百分比下降第76頁溫度下降辦法(2)等值下降第77頁溫度下降辦法(3)由定理1我們懂得,在一定條件下,與模擬退火算法相伴時(shí)齊馬爾可夫鏈存在平穩(wěn)分布。假如溫度每次下降幅度比較小話,則相鄰溫度下平穩(wěn)分布應(yīng)當(dāng)變化不大,也就是說,對于任意一種狀態(tài)i,相鄰溫度下平穩(wěn)分布應(yīng)滿足:第78頁一種充足條件是:第79頁兩邊取對數(shù),并整頓得:用替代可得溫度衰減函數(shù):第80頁每一溫度下停頓準(zhǔn)則(1)

固定長度辦法在每一種溫度下,都使用相同Lk。Lk選用與詳細(xì)問題有關(guān),一般與鄰域大小直接關(guān)聯(lián),一般選擇為問題規(guī)模n一種多項(xiàng)式函數(shù)。第81頁每一溫度下停頓準(zhǔn)則(2)基于接收率停頓準(zhǔn)則:要求一種接收次數(shù)R,在某一溫度下,只有被接收狀態(tài)數(shù)達(dá)成R時(shí),在該溫度下迭代才停頓,轉(zhuǎn)入下一種溫度。要求一種狀態(tài)接收率R,R等于該溫度下接收狀態(tài)數(shù)除以總生成總狀態(tài)數(shù)。假如接收率達(dá)成了R,則停頓該溫度下迭代,轉(zhuǎn)入下一種溫度。在迭代過程中,若干相鄰狀態(tài)稱為“一代”,假如相鄰兩代解指標(biāo)函數(shù)差值不大于要求值話,則停頓該溫度下迭代。第82頁算法終止標(biāo)準(zhǔn)(1)零度法設(shè)定一種正常數(shù)e,當(dāng)初tk<e時(shí),算法結(jié)束。第83頁算法終止標(biāo)準(zhǔn)(2)循環(huán)總控制法

給定一種指定溫度下降次數(shù)K,當(dāng)溫度迭代次數(shù)達(dá)成K次時(shí),則算法停頓。第84頁算法終止標(biāo)準(zhǔn)(3)無變化控制法假如在相鄰n個(gè)溫度中,得到解指標(biāo)函數(shù)值無任何變化,則說明算法已經(jīng)收斂。第85頁算法終止標(biāo)準(zhǔn)(4)接收概率控制法給定一種小概率值p,假如在目前溫度下除了局部最優(yōu)狀態(tài)外,其他狀態(tài)接收概率不大于p值,則算法結(jié)束。第86頁算法終止標(biāo)準(zhǔn)(5)領(lǐng)域平均概率控制法設(shè)大小為N一種領(lǐng)域,在鄰域內(nèi)一種狀態(tài)被接收平均概率為1/N。設(shè)f0、f1為該領(lǐng)域中局部最優(yōu)值和局部次最優(yōu)值。則次最優(yōu)解是除了局部最優(yōu)解以外接收概率最大,其接收概率為:第87頁假如該概率值不大于平均值1/N時(shí),即:

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論