Question

正在学习模拟的家用算法,并有几个问题,即我如何修改计算法,以解决0-1千卡的问题。

我发现《刑事诉讼法》中的这一伟大法典:

http://www.codeproject.com/KB/recipes/simulatedAnnealingTSP.aspx

我确信,我知道现在如何工作(除了整个博尔兹曼条件之外,就我所说的是黑魔,尽管我了解当地的最佳选择,而且显然确实如此)。我愿重新设计,以解决0-1千纳普什问题。基本上,我把5 000个物体中的1个放在10个袋里,需要优化用于最不发达的空间。分配给解决办法的实际“分数”是比较复杂的,但与算法无关。

这似乎十分容易。这意味着安妮塔(Anneal)的职能基本相同。 d 我必须履行GetNextArrangement()的职能,以满足我的需求。在“TSM”问题上,他只是穿过两条任意的节点(即,他每轮一次变化很小)。

就我的问题而言,在第一个隔.中,我抽取10个随机物体,看左侧。接下来,我是否仅举10个新随机物体? 或者,我最好只夸大少数物体,如其中一半或甚至其中之一? 或者,与气温相比,我蒸发的物体数量是否应当相对? 这对我来说似乎有帮助,我很想知道,有人是否就最佳办法提出一些建议(尽管我可以说,如果我有守则工作的话,会随处改进)。

感谢!

迈克

Answer 1

随着模拟的anne,你希望使邻国尽可能接近能源。如果邻国的能源大大提高,那么如果没有极高的气温,它就将永远不会跳跃到它们身上。另一方面,如果你能够带着利用低能源国家的温和,那么就利用它们。

对图普来说,这意味着冲撞邻近城市。对于你的问题,我建议采用以下有条件的邻国甄选算法:

If there are objects that fit in the empty space, then it always puts the biggest one in.
If no objects fit in the empty space, then pick an object to swap out -- but prefer to swap objects of similar sizes.

也就是说,物体的大小差异很可能相反。你们可能想在这里使用像选择摩托特这样的东西,其面积就象(1/(大小2)^2)。

Answer 2

反之,我想我就Wikipedia找到了答案。它建议转向“邻里”状态,这通常意味着尽可能少地变化(例如,在“TSM”问题上,有两个城市瓦解)。

http://en.wikipedia.org/wiki/Simulated_annealing”rel=“nofollow noreferer” http://en.wikipedia.org/wiki/Simulated_annealing

一国的邻国是问题的新状态,这个问题是在以某种方式改变特定国家之后产生的。例如,在旅行销售商问题上,每个州通常被定义为要访问的城市的具体变动。某些特定变化的邻国是相互交织相邻城市的隔.。为寻找邻国解决办法而改变解决办法所采取的行动被称为“驱赶”和不同的“移动”给不同的邻国。迁移通常导致对“<>/strong>解决方案的改动最小,如上个例子所示,目的是帮助算法尽量优化解决办法,并保留解决办法中已经达到的最佳部分,只影响“次优”部分。在前一个例子中,解决办法的部分是:

因此,我认为,我的“GetNext Arrangement”职能是想放弃一个随机项目,其中一个项目没有使用。

友情链接