Python 模拟退火算法
2023-09-11 14:17:50 时间
模拟退火算法借鉴了统计物理学的思想,是一种简单、通用的启发式优化算法,并在理论上具有概率性全局优化性能,因而在科研和工程中得到了广泛的应用。
退火是金属从熔融状态缓慢冷却、最终达到能量最低的平衡态的过程。模拟退火算法基于优化问题求解过程与金属退火过程的相似性,以优化目标为能量函数,以解空间为状态空间,以随机扰动模拟粒子的热运动来求解优化问题。
模拟退火算法结构简单,由温度更新函数、状态产生函数、状态接受函数和内循环、外循环终止准则构成。
温度更新函数是指退火温度缓慢降低的实现方案,也称冷却进度表;
状态产生函数是指由当前解随机产生新的候选解的方法;
状态接受函数是指接受候选解的机制,通常采用Metropolis准则;
外循环是由冷却进度表控制的温度循环;
内循环是在每一温度下循环迭代产生新解的次数,也称Markov链长度。
模拟退火算法的基本流程如下:
- 初始化:初始温度T,初始解状态s,迭代次数L;
- 对每个温度状态,重复 L次循环产生和概率性接受新解:
- 通过变换操作由当前解s 产生新解s′;
- 计算能量差 ∆E,即新解的目标函数与原有解的目标函数的差;
- 若∆E <0则接受s′作为新的当前解,否则以概率exp(-∆E/T) 接受s′ 作为新的当前解;
- 在每个温度状态完成 L次内循环后,降低温度 T,直到达到终止温度。
多变量函数优化问题
选取经典的函数优化问题和组合优化问题作为测试案例。
问题 1:Schwefel 测试函数,是复杂的多峰函数,具有大量局部极值区域。
本文取 d=10, x=[-500,500],函数在 X=(420.9687,...420.9687)处为全局最小值 f(X)=0.0。
使用模拟退火算法的基本方案:控制温度按照 T(k) = a * T(k-1) 指数衰减,衰减系数取 a;如式(1)按照 Metropolis 准则接受新解。对于问题 1(Schwefel函数),通过对当前解的一个自变量施加正态分布的随机扰动产生新解。
部分模拟退火算法 Python 程序
# 模拟退火算法 程序:多变量连续函数优化
# Program: SimulatedAnnealing_v1.py
# Purpose: Simulated annealing algorithm for function optimization
# v1.0:
# (1) 基本算法:单变量连续函数优化问题
# (2) 文件输出优化结果和中间过程数据
# (3) 设置指标参数计数器
# (4) 图形输出坏解接受概率
# -*- coding: utf-8 -*-
import math # 导入模块
import random # 导入模块
import pandas as pd # 导入模块 YouCans, XUPT
import numpy as np # 导入模块 numpy, 并简写成 np
import matplotlib.pyplot as plt # 导入模块 matplotlib.pyplot, 并简写成 plt
from datetime import datetime
# 子程序:定义优化问题的目标函数
def cal_Energy(X, nVar):
# 测试函数 1:Schwefel 测试函数
# -500 <= Xi <= 500
# 全局极值:(420.9687,420.9687,...),f(x)=0.0
sum = 0.0
for i in range(nVar):
sum += X[i] * np.sin(np.sqrt(abs(X[i])))
fx = 418.9829 * nVar - sum
return fx
# 子程序:模拟退火算法的参数设置
def ParameterSetting():
cName = "funcOpt" # 定义问题名称
nVar = 2 # 给定自变量数量,y=f(x1,..xn)
xMin = [-500, -500] # 给定搜索空间的下限,x1_min,..xn_min
xMax = [500, 500] # 给定搜索空间的上限,x1_max,..xn_max
tInitial = 100.0 # 设定初始退火温度(initial temperature)
tFinal = 1 # 设定终止退火温度(stop temperature)
alfa = 0.98 # 设定降温参数,T(k)=alfa*T(k-1)
meanMarkov = 100 # Markov链长度,也即内循环运行次数
scale = 0.5 # 定义搜索步长,可以设为固定值或逐渐缩小
return cName, nVar, xMin, xMax, tInitial, tFinal, alfa, meanMarkov, scale
# 模拟退火算法
def OptimizationSSA(nVar,xMin,xMax,tInitial,tFinal,alfa,meanMarkov,scale):
……
🚩 完整代码 https://download.csdn.net/download/s1t16/86951372
相关文章
- 【Python】执行系统命令的常见用法
- Python数据结构与算法--List和Dictionaries
- 第四百一十四节,python常用算法学习
- H2O中的随机森林算法介绍及其项目实战(python实现)
- Python中elasticsearch插入和更新数据的实现方法
- Python实现的选择排序算法原理与用法实例分析
- 机器学习10种经典算法的Python实现
- Python程序在Windows终端乱码解决方法
- Python聚类算法之基本K均值实例详解
- Python - Learning
- 【python cookbook】【数据结构与算法】1将序列分解为单独的变量
- TicTacToe: 基于时序差分TD(0)算法的agent实现以及完整python实现框架
- Python:更改默认启动的python程序及其对应的安装包路径(更改pip的默认安装包的路径)图文教程之详细攻略
- Python:利用python语言实现18位身份证号码和15位身份证号码相互转换
- 已解决2. Set PROTOCOL_BUPFERS_PYTHON_iMPLEMENTATION=python (but this will use pure-Python parsing and w
- 高清无码的MP4如何采集?python带你保存~
- leetcode 算法第一题python答案
- Python实现弹性网络回归模型(ElasticNet算法)并应用网格搜索算法寻找最优参数值项目实战
- Python Requests 小技巧总结
- 【Python算法】实验8-动态规划与背包问题
- 机器学习经典算法具体解释及Python实现--K近邻(KNN)算法
- Python编译器实现内幕:添加一个新语句
- python利用决策树进行特征选择
- python 查询 elasticsearch 常用方法(Query DSL)
- 机器学习:Python实现聚类算法(三)之总结
- 【python】实现精美圣诞树-拿下女神不是梦