الگوریتم تبرید شبیه سازی شده
در مقاله پیشین از سری مقالات مرتبط با بهینهیابی به شرح و بررسی «الگوریتم Hill Climbing در روند بهینهیابی» پرداختیم در این مقاله به شرح و بررسی «الگوریتم تبرید شبیه سازی شده» میپردازیم.
الگوریتم تبرید شبیه سازی شده (Simulated Annealing)
بر طبق منابع معتبر آموزش بهینه یابی الگوریتم تبرید شبیهسازی شده یکی از انواع کلی و موثر بهینهسازی است و معمولا برای پیدا کردن بهینه سراسری در حضور تعداد زیادی بهینه محلی موثر است.
اصطلاح تبرید ریشه در مبحث ترمودینامیک دارد که علیالخصوص به پروسه گداخته و سرد شدن دوباره آهن اشاره میکند. در مباحث معاملاتی تبرید شبیهسازی شده، به جای انرژی یک ماده، تابع هدف را مورد استفاده قرار میدهیم. استفاده از تبرید شبیهسازی شده بسیار آسان است.
به بیان ساده بر طبق آموزش بهینهیابی این الگوریتم یک الگوریتم از خانواده “Hill Climbing” محسوب میشود با این تفاوت که به جای انتخاب بهترین حرکت ما شیوه انتخاب رندوم را اختیار میکنیم. در صورتی که حرکت انتخاب شده باعث بهبود معیار مورد نظر شود آن را میپذیریم در غیر این صورت الگوریتم به هر شکل حرکت بعدی را با احتمالی کوچک تر از 1 انجام میدهد. احتمال به صورت نمایی به تبعیت از میزان نا مطلوب بودن حرکت کاهش مییابد. این عدم مطللوبیت معادل دلتا E میباشد.
– – –
در مقالهی بعدی به بررسی «الگوریتم فرگشت» میپردازیم.