2

我創建了一個隨機生成解決方案的爬山算法,然後複製該解決方案並稍微改變它以查看它是否以更好的解決方案結束。如果是這樣,它會保留新的解決方案並丟棄舊的解決方案。向簡單的爬山添加模擬退火

如果我想爲此算法添加模擬退火,那麼每次創建新解決方案時,我可以從更高的突變率開始,並降低突變率一點點?

我假設突變率將作爲模擬退火算法的溫度,是否正確?

+1

是的。但你也應該考慮接受惡化的步驟,有時可以逃脫當地的最低限度。 – ziggystar

回答

1

突變率將作爲退火溫度,但通過選擇更好的解決方案每次將不會是一個完美的模擬退火。

您需要選擇取決於它是如何更好地更好的選擇和突變率。 (即deltaE和溫度),以便您允許Simulated Annealing脫離局部最優。如果您繼續採取最佳選擇,您可能會陷入局部最佳狀態。

+0

單調最優,複數最優。沒有像當地最優秀的東西。感謝Junuxx, – Junuxx

+1

,改變了它。語法很重要。 :) –