所以我的问题是,有人可以解释为什么我们得到这个结果? 可能是因为SA更像是通用算法?
编辑: Here可能是我读过的最相关的文件。
答案 0 :(得分:2)
模拟退火评估随机选择的邻居,根据物理学的直觉,算法始终移动到邻居,如果它更好。但WalkSAT有时候会更好地而不是转移到邻居,即使它更好。
当你开始解决可以使用WalkSAT的3-CNF时:或者你已经解决了你的问题,或者某些条款不满意。子句不满意的事实意味着必须翻转子句中的至少一个变量才能找到解决方案。如果从长度等于3的子句中随机选择变量,则很容易看出每次翻转的概率为33%或更高[1]。
SA没有那么高的成功概率,并且很有可能陷入局部最大值......
这就是我如何解释自己为什么WalkSAT比SA好,但可能已经有一个关于这个问题的研究;)你应该仔细看看this paper [2]提供SA之间的详细比较和WalkSAT。
[1] Papadimitrou,C。H.,& Steiglitz,K。(1982)。组合优化:算法和复杂性。出版商:Prentice Hall。
[2] Selman,B.,Kautz,H。A.,& Cohen,B。(1994)。改善本地搜索的噪音策略。在AAAI(第94卷,第337-343页)中。