關(guān)于木地板構(gòu)造風(fēng)雨操場(chǎng)實(shí)木運(yùn)動(dòng)地板廠家的分析

關(guān)于木地板構(gòu)造風(fēng)雨操場(chǎng)實(shí)木運(yùn)動(dòng)地板廠家的分析

風(fēng)雨操場(chǎng)實(shí)木運(yùn)動(dòng)地板廠家設(shè)置一個(gè)變量x，以此來記錄到目前為止所出現(xiàn)過的好的解，并以f（x）同時(shí)記錄到目前為止所出現(xiàn)過的好的目標(biāo)函數(shù)值在實(shí)現(xiàn)算法的初始階段，設(shè)x和f（x）的初始值分別為x和∫（x。），并以此初始值為基礎(chǔ)進(jìn)行選代，即在每次得到一個(gè)新解時(shí)用新解所對(duì)應(yīng)的f（x）值和現(xiàn)有的優(yōu)解對(duì)應(yīng)的f（x）進(jìn)行比較，選其優(yōu)者作為現(xiàn)階段優(yōu)解f（x）3）完成算法的迭代過程后，將當(dāng)前得到的解和變量x中存儲(chǔ)的解相互比較，選擇其中較為的作為目標(biāo)函數(shù)f（x）近似的全局優(yōu)解。2.單調(diào)升溫的模擬退火算法模擬退火算法可以按一定的概率接受目標(biāo)函數(shù)值不太好的狀態(tài)，當(dāng)溫度控制參數(shù)充分大的時(shí)候，接受概率接近于1，即算法此時(shí)是在進(jìn)行全局搜索；當(dāng)溫度控制參數(shù)充分小的時(shí)候，接受概率幾乎接近于θ·如果此時(shí)搜索陷人局部優(yōu)狀態(tài)，則該算法跳岀局部優(yōu)解的時(shí)間將會(huì)非常長。

顯然，跳出局部優(yōu)解花費(fèi)時(shí)間長是由差解的接受概率過低造成的，那么可以通過在搜索陷入局部優(yōu)時(shí)人為提高溫度控制參數(shù)，借此提高對(duì)差解的接受概率，以此來縮短跳出局部優(yōu)解的時(shí)間。上述內(nèi)容即為單調(diào)升溫模擬退火算法的主要思想。判定搜索進(jìn)入局部優(yōu)的方法如下：假設(shè)搜索進(jìn)入局部優(yōu)點(diǎn)，那么在當(dāng)前解的優(yōu)化程度小于當(dāng)前優(yōu)解的優(yōu)化程度時(shí)，差解的接受概率幾乎為1.但是，當(dāng)溫度足夠低時(shí)，差解的接受概率接近因此，風(fēng)雨操場(chǎng)實(shí)木運(yùn)動(dòng)地板廠家可以總結(jié)得出搜索陷人局部優(yōu)時(shí)的特征如下1）由于局部優(yōu)點(diǎn)鄰城內(nèi)的所有點(diǎn)的優(yōu)化程度都小于局部優(yōu)點(diǎn)的優(yōu)化程度，所以在近的若干次搜索中都沒有出現(xiàn)過優(yōu)化程度更高的解2）由于搜索已經(jīng)陷入局部優(yōu)，所以局部優(yōu)解以及在局部優(yōu)解鄰域內(nèi)與局部優(yōu)解的優(yōu)化程度相同的少數(shù)若干個(gè)點(diǎn)可能會(huì)在近的幾次搜索所接受的新解中反復(fù)出現(xiàn)如果具備以上兩個(gè)特征，則說明搜索已經(jīng)進(jìn)入局部優(yōu)，并且溫度過低，想要盡快跳出局部優(yōu)，就需要提高溫度控制參數(shù)。

如何確定升溫幅度昵？升溫是為了跳岀局部優(yōu)的陷阱。如果升溫幅度過小，則不能達(dá)到效果；但若升溫幅度過大，搜索可能會(huì)進(jìn)入全局搜索等于重新開始模擬退火搜索。般來說，可將溫度控制參數(shù)升高到接受概率為的范圍內(nèi)，這樣既可以保證搜索快速跳出局優(yōu)，又可以避免重新開始全局搜索并行的模擬退火算法模擬退火算法是在某當(dāng)前狀態(tài)的鄰域中隨機(jī)產(chǎn)生個(gè)新的狀態(tài)并以定概率接受的種隨機(jī)搜索算法?？梢?，風(fēng)雨操場(chǎng)實(shí)木運(yùn)動(dòng)地板廠家接受概率僅依賴于新狀態(tài)和當(dāng)前狀態(tài)，即下個(gè)狀態(tài)的產(chǎn)生只和上個(gè)狀態(tài)有關(guān)，從而從本質(zhì)上決定了模擬退火算法是種串行的隨機(jī)優(yōu)過程，這對(duì)算法的優(yōu)效率產(chǎn)生了影響，選取合適的進(jìn)度能使算法得到滿意的結(jié)果，但并不足以從根本上提高算法的效率。