지능 알고리즘 (1) - 아 날로 그 소 둔, 에 세이 화 된 욕심
4398 단어 시 뮬 레이 션 어 닐 링
욕심 은 좋 은 알고리즘 인 데 안 타 깝 게 도 적용 범위 가 넓 지 않다.에 세이 화 는 아주 좋 은 알고리즘 인 데, 아 쉽게 도 정확도 가 높 지 않다.
만약 이 두 알고리즘 을 결합 한다 면 우 리 는 적용 범위 가 넓 고 정확도 가 높 은 알고리즘 을 얻 을 수 있 습 니까?
답 은 긍정 적 이다.
아 날로 그 소 둔 (S i m u l a t e d A n e a l i n g Simulated Annealing Simulated Annealing, 약칭 S A SA SA) 은 에 세이 화 와 욕심 이 결 합 된 알고리즘 으로 많은 어 려 운 문 제 를 쉽게 해결 할 수 있 습 니 다 (전 제 는 RP 가 좋 거나 데이터 범위 가 작 다 는 것 입 니 다).
고전적 인 이야기
지구 상에 서 가장 높 은 산 을 찾기 위해 패기 있 는 토끼 들 이 방법 을 생각 하기 시작 했다.
그 중 두 번 째 부분 은 시 뮬 레이 션 퇴화 를 말한다.
의 원리
물리학 적 으로 금속 이 퇴화 하 는 과정 과 유사 하기 때문에 시 뮬 레이 션 퇴화 라 고 한다.
주요 사고 방향
우 리 는 함께 퇴화 를 모 의 하 는 주요 사고방식 을 귀납 할 수 있다.
이 주요 사고 에 따라 우 리 는 소 둔 을 모 의 하 는 템 플 릿 을 쓸 수 있다.
int T=***;// T ( )
while(T>eps)//eps 0 , 1e-15
{
int nxt=Next(now),new_res=Calc(nxt);//nxt ,new_res
if(res<new_res||exp((res-new_res)/T)*RAND_MAX>rand()) now=nxt,res=new_res;// , ,
T*=delta;// , ,
}
예제
마지막 으로 예 제 를 들 어 소 둔 을 모 의 하 는 신기 한 점 을 느껴 보 자. [낙 곡 1337] [JSOI 2004] 매달 기 XXX.
이 문제 의 정 해 는 나 도 무엇 인지 모르겠다.
제목 의 대 의 는 그림 의 넓 은 의미 의 페 이 마 를 구하 고 블 로 그 를 구체 적 으로 해석 하 라 는 것 이다.