实施模拟退火答案

【问题标题】：Implementing Simulated Annealing实施模拟退火
【发布时间】：2012-02-27 13:55:08
【问题描述】：

我想我了解模拟退火的基本概念。它基本上是在开始时添加随机解决方案以覆盖更好的搜索空间区域，然后随着算法的继续运行逐渐降低随机性。

我对如何在我的遗传算法中实现这一点有点困惑。

谁能简单解释一下我需要做什么，并澄清我对模拟退火工作原理的理解是正确的吗？

【问题讨论】：

来自维基百科“遗传算法”文章 - “SA 也可以在标准 GA 算法中使用，方法是从相对较高的突变率开始，然后按照给定的时间表随着时间的推移而降低它。”这似乎用 GA 的语言描述了 SA 技术。您还有更具体的问题吗？

【解决方案1】：

在遗传算法中构建新一代个体时，它具有三个随机方面：

对于第二个，您无能为力，因为它通常是均匀随机分布。您可以在您选择父母个体时尝试向轮盘赌中添加一些随机因素，然后慢慢减少该随机功能。但这违背了遗传算法的精神，而且（更重要的是）我认为它不会有多大好处。实际上，我认为这会很痛。

这就剩下第三个因素——随着世代的流逝，将突变率从高突变变为低突变。

真的没有比这更复杂的了。

【讨论】：

我现在觉得有点傻，在阅读了大量研究之后，我没有意识到它是如此容易实现。最后用几行额外的代码实现了它。也感谢@mbeckish，他也在 cmets 中回答了我的问题。