模拟退火算法(Simulated Annealing,SA)

2024-06-12 11:12

本文主要是介绍模拟退火算法(Simulated Annealing,SA),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

模拟退火算法(Simulated Annealing,SA)是一种启发式搜索方法,来源于固体物理学中的退火过程。在优化问题中,模拟退火算法可以用来寻找全局最优解,特别适用于解决复杂度高、解空间大的问题,如TSP旅行商问题、调度问题等。下面以一个简单的分配问题为例,说明如何使用模拟退火算法来求解:

任务描述:

假设你有一组工人和一组任务,每个工人可以完成一个或多个任务,但每个任务只能由一个工人完成。目标是将任务分配给工人,使得总的“成本”最小。“成本”可以是时间、费用或其他任何衡量标准。

模拟退火算法步骤:

  1. 初始化:随机生成一个初始解,计算其“成本”。设定初始温度T和冷却率alpha(通常小于1)。

  2. 迭代

    • 在当前解的基础上,随机选择两个任务进行交换,产生一个新的解。
    • 计算新解的“成本”。
    • 如果新解的成本更低,接受这个解作为当前解。
    • 如果新解的成本更高,以一定概率接受这个解。该概率由exp(-(new_cost - current_cost) / T)决定。
  3. 降温:更新温度T = alpha * T

  4. 重复步骤2和3,直到满足停止条件(如温度低于某个阈值或达到最大迭代次数)。

Python示例代码:

import random
import math# 定义任务和工人的成本矩阵
cost_matrix = [[10, 8, 5],[6, 7, 9],[4, 3, 2]
]def calculate_cost(assignment):cost = 0for worker, task in enumerate(assignment):cost += cost_matrix[worker][task]return costdef simulated_annealing(cost_matrix, initial_temperature=1000, cooling_rate=0.99, stopping_temperature=0.001):num_workers = len(cost_matrix)current_solution = list(range(num_workers))  # 初始随机分配current_cost = calculate_cost(current_solution)temperature = initial_temperaturewhile temperature > stopping_temperature:new_solution = current_solution.copy()# 随机选择两个任务进行交换i, j = random.sample(range(num_workers), 2)new_solution[i], new_solution[j] = new_solution[j], new_solution[i]new_cost = calculate_cost(new_solution)if new_cost < current_cost or random.random() < math.exp((current_cost - new_cost) / temperature):current_solution = new_solutioncurrent_cost = new_costtemperature *= cooling_ratereturn current_solution, current_cost# 运行模拟退火算法
best_assignment, best_cost = simulated_annealing(cost_matrix)
print("Best assignment:", best_assignment)
print("Total cost:", best_cost)

这段代码定义了一个简单的成本矩阵,并使用模拟退火算法找到最优的任务分配方案。请注意,由于算法的随机性,多次运行可能得到不同的结果。为了提高稳定性,可以增加迭代次数或采用更复杂的冷却策略。

要解决这个问题,即通过划分寝室使得不同寝室内的学生之间的共同爱好数量分布尽可能均匀,我们可以将其视为一个组合优化问题。这里的目标是最大化寝室内部共同爱好的均匀度,而衡量均匀度的标准可以是方差或标准差。以下是一个基本的分析与解决思路:

分析思路:

  1. 数据准备:首先需要收集所有学生的爱好信息,以及寝室的数量和每个寝室的人数。假设我们有n个学生和m个寝室,每个寝室有k个人(比如k=4)。

  2. 建立模型:我们需要一个模型来描述学生间的共同爱好数量。假设第i个学生有爱好列表L_i,那么学生i和j之间的共同爱好数量可以通过集合交集的大小计算得出,即len(L_i ∩ L_j)

  3. 定义目标函数:我们的目标是使不同寝室内的共同爱好数量分布尽可能均匀。具体来说,对于寝室j(j从1到m),其内部共同爱好数量总和可以用上述公式计算得出。然后,我们将这些值存储在向量tmp中,目标函数是tmp的方差或标准差。

这篇关于模拟退火算法(Simulated Annealing,SA)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1054058

相关文章

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

poj 3974 and hdu 3068 最长回文串的O(n)解法(Manacher算法)

求一段字符串中的最长回文串。 因为数据量比较大,用原来的O(n^2)会爆。 小白上的O(n^2)解法代码:TLE啦~ #include<stdio.h>#include<string.h>const int Maxn = 1000000;char s[Maxn];int main(){char e[] = {"END"};while(scanf("%s", s) != EO

秋招最新大模型算法面试,熬夜都要肝完它

💥大家在面试大模型LLM这个板块的时候,不知道面试完会不会复盘、总结,做笔记的习惯,这份大模型算法岗面试八股笔记也帮助不少人拿到过offer ✨对于面试大模型算法工程师会有一定的帮助,都附有完整答案,熬夜也要看完,祝大家一臂之力 这份《大模型算法工程师面试题》已经上传CSDN,还有完整版的大模型 AI 学习资料,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

dp算法练习题【8】

不同二叉搜索树 96. 不同的二叉搜索树 给你一个整数 n ,求恰由 n 个节点组成且节点值从 1 到 n 互不相同的 二叉搜索树 有多少种?返回满足题意的二叉搜索树的种数。 示例 1: 输入:n = 3输出:5 示例 2: 输入:n = 1输出:1 class Solution {public int numTrees(int n) {int[] dp = new int

Codeforces Round #240 (Div. 2) E分治算法探究1

Codeforces Round #240 (Div. 2) E  http://codeforces.com/contest/415/problem/E 2^n个数,每次操作将其分成2^q份,对于每一份内部的数进行翻转(逆序),每次操作完后输出操作后新序列的逆序对数。 图一:  划分子问题。 图二: 分而治之,=>  合并 。 图三: 回溯:

最大公因数:欧几里得算法

简述         求两个数字 m和n 的最大公因数,假设r是m%n的余数,只要n不等于0,就一直执行 m=n,n=r 举例 以18和12为例 m n r18 % 12 = 612 % 6 = 06 0所以最大公因数为:6 代码实现 #include<iostream>using namespace std;/