本文探讨了最优化问题的解决方法，包括局部搜索算法及其局限性，如爬山算法容易陷入局部最优。同时，介绍了模拟退火、遗传算法、禁忌搜索和神经网络等如何通过不同策略寻求全局最优解。模拟退火算法利用马尔可夫链，以一定概率接受较差解，从而跳出局部最优，达到全局搜索的目的。
智能算法用来解决最优化问题
最优化问题：1.是函数值最小的自变量的取值 2.在解空间里面寻找最优解
局部搜索就是基于贪婪思想利用邻域函数进行搜索，若找到一个比现有值更优的解就弃前者而取后者。但是，它一般只可以得到“局部极小解”，就是说，可能这只兔子登“登泰山而小天下”，但是却没有找到珠穆朗玛峰。而模拟退火，遗传算法，禁忌搜索，神经网络等从不同的角度和策略实现了改进，取得较好的“全局最小解”。
爬山算法：容易陷入局部最优解
模拟退火算法：以一定概率去选择是否接受扰动后的新解
E代表自由能，下一时刻自由能越小，被接受的概率更大，马尔可夫链
扫一扫
15万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
