567
社区成员
发帖
与我相关
我的任务
分享请发表友善的回复…
发表回复
caz28 2007-12-23
- 打赏
- 举报
关键是向搜索,也就是下一个状态怎么产生.
tzyu65 2007-12-23
- 打赏
- 举报
随机交换两个人的位置，结果更好就交换；不好，也以一定的概率——和当前温度、变坏了多少有关——交换。
tzyu65 2007-12-23
- 打赏
- 举报
百度一下http://baike.baidu.com/view/18185.html?wtp=tt
目标函数很清楚了；初始温度和冷却进度表跟问题本身没什么关系，可以先随便取什么值，慢慢试验。
目标函数很清楚了；初始温度和冷却进度表跟问题本身没什么关系，可以先随便取什么值，慢慢试验。
街坊跳舞 2007-12-23
- 打赏
- 举报
顶一个！
杨武兵 2007-12-21
- 打赏
- 举报
dxsfcdsafdsa
OpenHero 2007-12-17
- 打赏
- 举报
baidu上有一个朋友写的退火算法的资料，写得还算很详细
其实退火算法和其它的几种模生算法，都是一些概念上的东西，你可以自己实现，并没有统一的 标准：）
几个算法的形象比喻
以下是局部搜索，模拟退火，遗传算法，禁忌搜索的形象比喻：
为了找出地球上最高的山，一群有志气的兔子们开始想办法。
1．兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是局部搜索，它不能保证局部最优值就是全局最优值。
2．兔子喝醉了。他随机地跳了很长时间。这期间，它可能走向高处，也可能踏入平地。但是，他渐渐清醒了并朝最高方向跳去。这就是模拟退火。
3．兔子们吃了失忆药片，并被发射到太空，然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是，如果你过几年就杀死一部分海拔低的兔子，多产的兔子们自己就会找到珠穆朗玛峰。这就是遗传算法。
4.兔子们知道一个兔的力量是渺小的。他们互相转告着，哪里的山已经找过，并且找过的每一座山他们都留下一只兔子做记号。他们制定了下一步去哪里寻找的策略。这就是禁忌搜索。
其实退火算法和其它的几种模生算法，都是一些概念上的东西，你可以自己实现，并没有统一的 标准：）
几个算法的形象比喻
以下是局部搜索，模拟退火，遗传算法，禁忌搜索的形象比喻：
为了找出地球上最高的山，一群有志气的兔子们开始想办法。
1．兔子朝着比现在高的地方跳去。他们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。这就是局部搜索，它不能保证局部最优值就是全局最优值。
2．兔子喝醉了。他随机地跳了很长时间。这期间，它可能走向高处，也可能踏入平地。但是，他渐渐清醒了并朝最高方向跳去。这就是模拟退火。
3．兔子们吃了失忆药片，并被发射到太空，然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是，如果你过几年就杀死一部分海拔低的兔子，多产的兔子们自己就会找到珠穆朗玛峰。这就是遗传算法。
4.兔子们知道一个兔的力量是渺小的。他们互相转告着，哪里的山已经找过，并且找过的每一座山他们都留下一只兔子做记号。他们制定了下一步去哪里寻找的策略。这就是禁忌搜索。
