模拟退火

2018年9月11日 下午3:54

模式识别：模拟退火算法的设计与实现

1. 从概率的角度去理解？
   1. 若p(∆E)大于[0,1]区间内的随机数，则仍旧接受新状态j为当前状态
   2. 这里和遗传算法一样，都是通过随机数+概率(压缩到0-1)去实现“随机的概念”，从而跳出局部最优解
2. 如何跳出最优解？
   1. 同一个答案，两个角度理解。看上一个问题就行。
3. 这三点就解释了数学公式的现实意义
   
4. 模拟退火算法和ML中训练模型的联系？
   1. 在给出的伪代码中，温度T(K)，这是通过外层循环去不断的遍历不同的温度T，从而选到最好的值
   2. 内层遍历中，是取遍历不同的Si，从而选取最优的Si
   3. 其实也可以把这两层循环理解成训练的过程
   4. 模拟退火算法心得 - 刘润佳 - 博客园这篇文章最后作者的总结，也印证了我的想法。
5. 请大神们用最通俗的方法帮我解释一下退火算法? - 知乎这里面锅的这个例子，也笼统的让我们感受一下这个算法的技巧感。