基于不同邻域函数的模拟退火算法性能研究

【摘要】：模拟退火算法的搜索行为和性能对参数有严重的依赖性,其中邻域函数的设计最为关键。本文主要研究函数优化中邻域函数对SA性能的影响,包括 Cauchy、Gaussian、Uniform分布函数和混沌机制 (相应算法分别简称SAC、SAG、SAU和SAK)。基于典型算例的研究表明:对于单极小且不含平坦区的问题,SAG的优化效率最差,但其最终优化度最好;对于存在平坦区的问题,SAC的优化效率最高,其次是SAU和SAG,而SAK不适于求解这类问题;对于存在多极小的问题,SAC的优化质量和可靠性最好,然后是SAK和SAU,而SAG最差,同时 SAU、SAK和SAG的优化效率相当,而SAC为克服陷入局部极小需付出较大时间代价;决定各邻域函数性能的关键不是问题的维数,而是函数的形状和局部极小解的数量。此外,利用对尺度参数的“退温”控制,提出了SAC的改进策略。