artificial-intelligence - シミュレーテッドアニーリングのエネルギー

Question

シミュレーテッド アニーリング アルゴリズムでエネルギー変数は何を表しますか? GAのフィットネス変数に似ていると思いますか？

Answer 1

シミュレーテッド アニーリングでは、点のエネルギー (E) によって、解として受け入れられる確率が決まります。温度パラメーターが高い場合、アルゴリズムは、低エネルギーまたは高エネルギーの新しい解をランダムに受け入れます。温度が低い場合、アルゴリズムはエネルギーの低い新しい解を受け入れます。

典型的な実装では、アルゴリズムは反復が経過するにつれて温度パラメーターを減少させます。これにより、シミュレーテッド アニーリングの重要な特徴である、ランダムな動作から決定論的な動作へのスムーズな移行が引き起こされます。

シミュレーテッド アニーリングと遺伝的アルゴリズムの両方を詳細に説明しているテキストがいくつかあります。私はお勧め：

[1] Vöcking、B.、Alt、H.、Dietzfelbinger、M.、Reischuk、R.、Scheideler、C.、Vollmer、H.、Wagner、D.「プラグインされていないアルゴリズム」、Ed。ベルリン、ドイツ: Springer-Verlag Berlin Heidelberg、2011 年、ch. 41、pp。393-400。

[2] Duc Pham、D. Karaboga、「Intelligent Optimization Techniques」。ロンドン、英国: Springer-Verlag London、2000 年。

Answer 2

ええ、それは遺伝的プログラミングまたは GA のフィットネス関数に非常に似ています。システムのエネルギー (E) は、任意の高エネルギー状態から始まります。各ステップでエネルギーが評価され、システムはより低いエネルギー状態に移行しようとします。

最初に、システムの「温度」が高い場合、システムが極大値を回避できるように、最適な状態に対するより大きな動きが許可されます。多くのステップを経て、温度が低下します（エネルギーレベルも同様です）。

シミュレートされたアニーリングに関する優れた記事がたくさんあります。ここに良いPPTの概要があります:リンク

Answer 3

SA のエネルギーと GA のフィットネスの間に明確な関係は見られません。

SA のエネルギーは、次の反復の探索空間を定義します。エネルギー変数が縮小すると、探索空間の体積が縮小します。たとえば、ある種の音楽検索を行っていて、"C" という音を持っていた場合、SA エネルギーが高いと、その値が "A" から "G" までの任意の値になる可能性がありますが、SA エネルギーが低いと、その値が C フラットまたはシャープになることだけを許可する場合があります。

GA では、検索空間は、特定の遺伝子型の位置での値のエントロピーによって定義されます。したがって、音楽検索の位置 1 にすべての個人が「C」の音符を持っている場合、子供はその位置に「C」を持ち (突然変異を除く)、解空間のその次元に沿った実際の検索はありません。ただし、遺伝子型の位置 2 の値が等しく「A」～「G」である場合、検索スペースは非常に大きくなります。

GA の適合度は、単に完全なソリューションの品質です。これは個人の説明であり、次の反復のパラメーターではありません (選択に影響するため、間接的な場合を除きます)。したがって、SAエネルギーへの適切な概念マッピングは見当たりません。