实现模拟退火

Question

我想我理解模拟退火的基本概念。它基本上是添加随机解决方案，以便在开始时覆盖搜索空间的更好区域，然后随着算法的继续运行慢慢减少随机性。

我对如何将其实现到我的遗传算法中感到有点困惑。

有人能给我一个简单的解释，说明我需要做什么，并澄清我对模拟退火如何工作的理解是正确的吗？

Answer 1

在遗传算法中构建新一代个体时，有三个随机方面：

1. 将父母个人与父母个人匹配，根据他们的比例适合度优先选择，
2. 选择交叉点，和
3. 改变后代。

关于第二个问题，你无能为力，因为这通常是一个统一的随机分布。当您选择父母个体时，可能可以想象在轮盘赌轮中添加一些随机因素，然后慢慢减少随机函数。但这违背了遗传算法的精神，并且（更重要的是）我认为它不会带来太多好处。实际上我觉得它会受伤。

这留下了第三个因素 - 随着世代的流逝，突变率从高突变变为低突变。

这真的不是那么复杂。