我遇到过几篇建议使用模拟退火之类的方法来避免局部最小值/最大值问题的帖子和文章。
我不明白为什么如果您从足够大的随机人口开始，这将是必要的。
是否只是另一项检查以确保初始人口实际上足够大和随机？还是这些技术只是产生“良好”初始种群的替代方法？
问问题
1668 次
3 回答
8
模拟退火是一种概率优化技术——它不应该给你更精确的答案，它应该给你更快的近似值。
于 2010-01-19T15:22:19.760 回答
3
模拟退火是一种概率技术，其中陷入局部最小值/最大值的机会取决于温度的调度。对于不同类型的问题，调度温度是不同的。进化算法更加稳健，不太可能陷入局部最小值/最大值。SA 是概率性的。另一方面，EA 使用变异，在搜索空间中引入随机游走，这就是为什么 EA 具有更高的获得全局最优值的概率。
于 2012-01-06T16:53:37.660 回答
1
首先，模拟退火是最后的手段。有更好、更有效和更有效的方法来发现发现局部最小值的位置。
更好的检查是使用统计方法来发现有关数据集的信息，例如方差或标准差。
于 2010-01-19T15:24:39.597 回答