Метод отжига

Алгоритм имитации отжига (англ. Simulated annealing) — общий алгоритмический метод решения задачи глобальной оптимизации, особенно дискретной и комбинаторной оптимизации. Один из примеров методов Монте-Карло.

Общее описание

Алгоритм основывается на имитации физического процесса, который происходит при кристаллизации вещества из жидкого состояния в твёрдое, в том числе при отжиге металлов. Предполагается, что атомы уже выстроились в кристаллическую решётку, но ещё допустимы переходы отдельных атомов из одной ячейки в другую. Предполагается, что процесс протекает при постепенно понижающейся температуре. Переход атома из одной ячейки в другую происходит с некоторой вероятностью, причём вероятность уменьшается с понижением температуры. Устойчивая кристаллическая решётка соответствует минимуму энергии атомов, поэтому атом либо переходит в состояние с меньшим уровнем энергии, либо остаётся на месте. (Этот алгоритм также называется алгоритмом Н. Метрополиса, по имени его автора).

При помощи моделирования такого процесса ищется такая точка или множество точек, на котором достигается минимум некоторой числовой функции $F(\overline{x})$, где $\overline{x}=(x_1,\;\ldots,\;x_m)\in X$. Вводится последовательность точек $\overline{x_0},\;\overline{x_1},\;\ldots,\;\overline{x_n}$ пространства X. Алгоритм последовательно находит следующую точку по предыдущей, начиная с точки $\overline{x_0}$, которая является начальным приближением. Алгоритм останавливается по достижении точки $\overline{x_n}$.

Точка $\overline{x_{i+1}}$ по алгоритму получается на основе текущей точки $\overline{x_i}$ следующим образом. К точке $\overline{x_i}$ применяется оператор Α, который случайным образом модифицирует соответствующую точку, в результате чего получается новая точка $\overline{x^*}$. Точка $\overline{x^*}$ становится точкой $\overline{x_{i+1}}$ с вероятностью $P(\overline{x^*},\;\overline{x_{i+1}})$, которая вычисляется в соответствии с распределением Гиббса:

$P(\overline{x^*}\to\overline{x_{i+1}}\mid\overline{x_i})=\left\{ \begin{matrix} 1, & F(\overline{x^*})-F(\overline{x_i})<0 \\ \exp\left(-\dfrac{F(\overline{x^*})-F(\overline{x_i})}{Q_i}\right), & {F(\overline{x^*})-F(\overline{x_i})\geqslant 0} \end{matrix}\right\}.$

Здесь Q_i > 0 — элементы произвольной убывающей, сходящейся к нулю положительной последовательности, которая задаёт аналог падающей температуры в кристалле. Скорость убывания и закон убывания могут быть заданы по желанию создателя алгоритма.

Алгоритм имитации отжига похож на градиентный спуск, но за счёт случайности выбора промежуточной точки должен будет попадать в локальные минимумы реже, чем градиентный спуск. Алгоритм имитации отжига не гарантирует нахождения минимума функции, однако при правильной политике генерации случайной точки в пространстве X, как правило, происходит улучшение начального приближения.

Применение

Обучение нейронных сетей.

Решение комбинаторных задач, например задачи о расстановке ферзей.

Примечания

См. также

Ссылки

Визуализатор применения метода отжига в задаче о расстановке ферзей.