实现模拟退火

Question

我想我理解了模拟退火的基本概念。它基本上是在开始时添加随机解决方案来覆盖更好的搜索空间，然后随着算法的继续运行而慢慢减少随机性。

我对如何在我的遗传算法中实现这一点有点困惑。

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工作原理的理解是正确的吗？

Answer 1

在遗传算法中构造新一代个体时，有三个随机方面：

1. 将父母个体与父母个体进行匹配，根据他们的比例适应度进行偏好，
2. 选择交叉点，
3. 突变后代。

对于第二个问题，你无能为力，因为它通常是均匀随机分布的。在选择父母个体时，你可以尝试在轮盘赌轮上添加一些随机因素，然后慢慢减少随机函数。但这与遗传算法的精神背道而驰，(更重要的是)我认为它不会有太多好处。实际上，我觉得这会很痛。

这就留下了第三个因素--随着世代的推移，将突变率从高突变改变为低突变。

实际上，这并不比这更复杂。