【总结】模拟退火算法（随机化）

原创已于 2022-04-28 18:39:35 修改 · 849 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#算法 #c++

于 2022-04-28 18:28:34 首次发布

总结同时被 3 个专栏收录

18 篇文章

订阅专栏

算法

8 篇文章

订阅专栏

模拟退火

1 篇文章

订阅专栏

模拟退火算法是一种用于解决复杂优化问题的随机搜索策略，尤其在方案数量极大时。文章介绍了模拟转移过程，其中新状态以一定概率被接受，即使它可能导致解的恶化。此外，讲解了模拟降温过程，通过不断降低温度来逐步逼近最优解。控时和等概率操作也是关键点，以确保算法在限定时间内有效运行。最后，通过[JSOI2004]费马点问题举例说明了算法的应用。

模拟退火

模拟退火是一种玄学的随机算法。当问题的方案数量极大（甚至趋近于无穷）而且并不是一个单峰函数的时候，用模拟退火求解。

模拟转移的过程

退火指的是一种金属热处理工艺，将金属缓慢加热到一定的温度，保持足够的时间然后以十一速度冷却，降低硬度。由于退火的规律引入了很多随机的因素，得到最优解的概率会大大增加。

如果新状态的解更优则修改答案，否则以一定概率接受新状态。

设当前温度为 $T$ ，新状态和已知状态（由已知状态通过随机的方式得到）之间的能量差为 $ΔE\Delta E$ 。（能量差总大于0）则修改最优解的概率为

$新状态更劣{\large P(\Delta E)=\left\{\begin{matrix} 1~~~~~~~~~~~~~~~~~新状态更优 \\ e^{- \frac{\Delta E}{T} ~~~~~~~~~~~~~~~~~{\large 新状态更劣} } \end{matrix}\right. }$

模拟降温的过程

设：初始温度 $T_0$ ，降温系数 $d$ ，终止温度 $T_k$ 。

其中， $T_0$ 是大正数，一般和数据范围有关。 $T_k$ 是一个接近 $0$ 的正数。

$d$ 是一个非常接近 $1$ 但是小于 $1$ 的正数。(根据我的做题经验，一般上需要不停的调 $d$ 的大小进行控温，~~和机械公敌兰博的红温一样~~，一般上是 $0.996$ 或者 $0.97$ )。这有关于查询的精度，有时候 $d$ 的精度决定这题的分数，所以很重要。

首先让温度 $T=T_0$ ，然后按照上述步骤进行一次转移尝试。

再让 $T = d * T$ 。如果 $T≤TkT\le T_k$ ，则模拟退火的过程结束。

为了使解更精确，我们通常不采用当前解作为答案，而是在模拟退火过程中维护遇到的所有最优解的值。通常可见到一道题跑了好几遍模拟退火。

//伪代码 -littlefools 2022.4.26
simulate_anneal(){
       随机一个初始点;
       for(double T=10000;T>1e-4;T=T*0.997){
           在当前点周围随机一个点;
           delta=function(new)-function(now);
           if() 跳到新点;  
       }
}

如何控时？

为了不让我们跑了好多遍的模拟退火变成 $T L E$ 丢掉所有的分数，我们必须进行控时。在C++中有一个 $c l o c k ()$ 函数，可以返回程序的运行时间。

while((double)clock()/CLOCKS_PER_SEC<MAX_TIME) simulate_anneal();

这样子就会一直跑模拟退火直到它的用时即将超出时间限制。一般都是 $1 s$ ，至于能不能找到就看 $R P$ 了。

如何等概率操作？

double rand(double l,double r){
    return (double)rand()/RAND_MAX*(r-l)+l;
    //rand()/RAND_MAX 是在0-1范围内取一个概率。
    //*(r-l)+l 则可以得到[l,r]区间内等概率的一个点。
}

例题：[JSOI2004]费马点

有 $n$ 个重物，每个重物系在一条足够长的绳子上。每条绳子自上而下穿过桌面上的洞，然后系在一起。图中 $X$ 处就是公共的绳结。假设绳子是完全弹性的（不会造成能量损失），桌子足够高（因而重物不会垂到地上），且忽略所有的摩擦。问绳结X最终平衡于何处。在这里插入图片描述

文件的第一行为一个正整数 $n （ 1 \leq n \leq 1000 ）$ ，表示重物和洞的数目。接下来的 $n$ 行，每行是 $3$ 个整数: $X i . Y i . W i$ ，分别表示第 $i$ 个洞的坐标以及第 $i$ 个重物的重量。( $- 10000 \leq x, y \leq 10000, 0 < w \leq 1000$ ) 。输出最终平衡状态的 $(x, y)$ 坐标。保留两位小数。

#include <bits/stdc++.h>
using namespace std;
int n,x[1000000],y[1000000],w[1000000];
double ansx,ansy,answ;
double energy(double xx,double yy){
   double r=0,ddx,ddy;
   for (int i=1;i<=n;i++){
      ddx=xx-x[i]; ddy=yy-y[i];
      r+=sqrt(ddx*ddx+ddy*ddy)*w[i];
   }
   return r;
}
void anneal(){
   for (double t=3000;t>1e-15;t*=0.997){//大于一个极小值
      double dx=ansx+(rand()*2-RAND_MAX)*t,dy=ansy+(rand()*2-RAND_MAX)*t;
      double ew=energy(dx,dy),delta=ew-answ;
      if (delta<0){ansx=dx;ansy=dy;answ=ew;} //此答案更优
      else if(exp(-delta/t)*RAND_MAX>rand()){ansx=dx;ansy=dy;}//否则以一定概率接受
      t*=0.996;//徐徐降温
   }
}
int main() {
	cin>>n;
	for (int i=1;i<=n;i++){
   		scanf("%d%d%d",&x[i],&y[i],&w[i]);ansx+=x[i];ansy+=y[i];
	}
	ansx/=n;ansy/=n;answ=energy(ansx,ansy);
   	for(int i=1;i<=5;i++) anneal();//需要跑多次模拟退火确定答案。
	printf("%.3lf %.3lf\n",ansx,ansy);
    return 0;
}