2010-01-19 62 views
3

我已經跑過了幾篇文章和文章,建議使用類似模擬退火的東西來避免局部最小/最大值問題。遺傳/進化算法和局部最小/最大值

我不明白爲什麼這將是必要的,如果你從一個足夠大的隨機人羣開始。

這只是另一個檢查,以確保最初的人口,其實是足夠大和隨機的?或者這些技術僅僅是產生「良好」初始羣體的替代方案?

回答

8

模擬退火是一種概率優化技術 - 它不應該給你更精確的答案,它應該給你更快的近似值

+0

好的,這更有意義。我真的誤解了。謝謝。 – ElGringoGrande 2010-01-19 15:32:25

1

首先,模擬退火是最後的手段方法。有更好,更有效,更有效的方法來發現當地最低標準的發現地點。

更好的檢查方法是使用統計方法發現有關數據集的信息,例如方差或標準偏差。

+0

是的,我只是以此爲例。我真的很想知道元啓發式的功能作爲一種羣體遊戲。 – ElGringoGrande 2010-01-19 15:34:16

3

模擬退火是概率技術,其中陷入局部最小值/最大值的機會取決於溫度調度。調度溫度對於不同類型的問題是不同的。進化算法更強大,不太可能陷入局部最小/最大值。 SA是概率性的。另一方面,EA使用在搜索空間中引入隨機遊走的突變,這就是爲什麼EA具有更高的獲得全局最優的概率的原因。

相關問題