Note -「模拟退火」
随机化算法属于省选芝士体系
0x01 前置芝士
你只需要会 rand 就可以啦!
当然如果你想理解的更透彻也可以先看看 爬山算法
0x02 关于退火
退火是一种金属热处理工艺,指的是将金属缓慢加热到一定温度,保持足够时间,然后以适宜速度冷却。目的是降低硬度,改善切削加工性;消除残余应力,稳定尺寸,减少变形与裂纹倾向;细化晶粒,调整组织,消除组织缺陷。准确的说,退火是一种对材料的热处理工艺,包括金属材料、非金属材料。而且新材料的退火目的也与传统金属退火存在异同。
也就是你可以理解为,金属在逐渐降温的过程中,它含的某种物质会趋于恒定。
换成 OI 的话说,如果每个温度对应一个答案,则随着温度越来越小,答案波动的范围就会越来越小,最后答案趋于恒定。例如下面这个经典图片,便是利用这个思想,最后得到了一个多峰函数的最值。模拟退火就是用于求解多峰函数的最值问题。
不过是不是看起来很玄学?现在我们来细化一下模拟退火思想。
0x03 模拟退火
你如果仔细看,刚刚那个图中答案好像和温度没有直接联系,也就是说答案是随机的。这个说法不太完全,答案和温度确实没有太大联系,但温度却可以限定答案所在的范围。
首先我们引入几个参数:当前最优解 \(A_0\),新的解 \(A\),上一个被接纳的解 \(A_1\),解的“变动量” \(ΔA\)(即 \(A\) 与 \(A_0\) 的差值,这里规定为 \(A - A_0\)),开始的温度 \(T_0\),当前温度 \(T\),最终的温度 \(T_{esp}\)。温度变动量 \(q\)。接纳:指对于一个解,我们认为它有可能是正确答案,或者说与正确答案有联系。
以下均以求多峰函数最大值为例来模拟整个过程。
首先在一开始,我们找到一个你认为接近正确答案的解 \(A_1\),将 \(A_0\) 初始置为 \(A_1\)。然后你需要在温度限制的范围内,去合理的再取到一个解,即 \(A\)。至于这个温度限制的范围其实很简单,你只需要求到一个满足条件的随机数即可。例如:你有一个横坐标,如果你要再求到一个横坐标,你就可以写成。
double cx = now.x + ((rand() << 1) - RAND_MAX) * t;
// RAND_MAX 是 <stdlib.h> 中的一个宏,也就是随机数的最大值。
// 通过 (rand << 1) - RAND_MAX 我们就得到了一个可能为正可能为负的随机数
这样的话,你就会发现随着 \(T\) 的不断减小,新的解与上一个解的差距就越小,即达到了我们的目的。
现在我们有了 \(A\),自然就可以求到所谓 \(ΔA\)。
得到 \(ΔA\)后:
\(ΔA > 0\) :也就是说当前解大于当前最优解,因为我们是求最大值,所以此时显然更新 \(A_0\),并更新 \(A_1 = A\)。
\(ΔA \leq 0\) :这就比较麻烦了,首先这样的情况是肯定不能更新 \(A_0\) 的。但我们考虑一下 \(A_1\),如果接纳 \(A\),那么我们下次就是从 \(A\) 开始扩展新的点,这很明显有可能不是最优的(你从多峰函数的一个峰的半山腰跌到了一个山谷)。但也有可能是更优的,因为你现在接纳的这个点,它可能不在最终答案的那一座峰上,所以你需要跳往另一座峰,也就是你需要接纳 \(A\)。这下该怎么办呢?有一个非常玄学的东西,叫:Metropolis接受准则。它告诉我们有一定概率去接纳 \(A\),而这个概率只需比较 \(\exp(-delta / t) * RAND\_MAX\) 和 \(rand()\) 的大小即可。
在做完这些操作后,我们让 \(T = T \times q\)。
好了,我们现在又有了一个 \(A_1\),这个 \(A_1\) 可能等于 \(A_0\) 也可能等于 \(A\)。我们将这个 \(A_1\) 再去执行上述操作,反复执行,随着温度的减小,我们就可以求到一个趋于恒定的答案了!
当然还有几个未处理的地方。
首先:
- \(T_0\) 的取值:根据题目而定,我通常使用 \(2000\) 到 \(5000\) 的一个整数。
- \(q\) 的取值:在前人的总结中,\(q\) 近似于 \(0.996\)。
- \(T_{esp}\) 的取值:这也需要视题目而定,如果这个值越小,按理说答案精度就越大,所以如果你不怕超时就可以开的小一点。
最后,关于时间复杂度,因为此算法使用了大量随机数,所以其时间复杂度近似于 \(O(rp)\)。
0x04 例题
一句话题意:给定 \(n\) 个坐标,求这 \(n\) 个坐标的 费马点。
定义 \(sum\) 表示一个坐标到 \(n\) 个点的距离和。
首先,你会发现答案是一个函数,因为一个坐标只对应一个 \(sum\)。于是我们其实就是要求这个多峰函数 \(sum\) 的最小值。
那么就是模拟退火嘛。读者可以在根据下面这个代码理解一下实现。
值得注意的是,这道题函数 \(sum\) 的“横坐标”是一个坐标。
#include <bits/stdc++.h>
using namespace std;
int read() {
int k = 1, x = 0;
char s = getchar();
while (s < '0' || s > '9') {
if (s == '-')
k = -1;
s = getchar();
}
while (s >= '0' && s <= '9') {
x = (x << 3) + (x << 1) + s - '0';
s = getchar();
}
return x * k;
}
const int MAXN = 5e3 + 5;
const double q = 0.996;
// 温度变动量
struct node {
double x, y;
node() {}
node(double X, double Y) {
x = X;
y = Y;
}
} a[MAXN], now, anst;
// now 初值为 A1,在这里是 (0, 0)
double ans = 1e18;
// 答案初值
int n;
double f(double x, double y) {
double ret = 0;
for (int i = 1; i <= n; i++) ret += sqrt((x - a[i].x) * (x - a[i].x) + (y - a[i].y) * (y - a[i].y));
return ret;
}
void Make_Fire() {
double t = 3000;
while (t > 1e-16) {
double cx = now.x + ((rand() << 1) - RAND_MAX) * t;
double cy = now.y + ((rand() << 1) - RAND_MAX) * t;
// 求到 A 的横坐标,在这里是 (cx, cy)
double cnt = f(cx, cy);
// 求到 A
double delta = cnt - ans;
// 求到差
if (delta < 0) { // 如果差是小于 0 的
now = node(cx, cy);
// 接纳它
anst = node(cx, cy);
// 根据题目需要,更新答案的坐标
ans = cnt;
// 跟新答案
} else if (exp(-delta / t) * RAND_MAX > rand())
// 玄学接受准则
now = node(cx, cy);
// 接纳它
t *= q;
// 降温
}
}
int main() {
srand(998244353);
n = read();
ans = 1e18;
for (int i = 1; i <= n; i++)
scanf("%lf %lf", &a[i].x, &a[i].y);
for (int i = 1; i <= 5; i++) Make_Fire();
printf("%.2lf %.2lf\n", anst.x, anst.y);
return 0;
}
最新文章
- 不错的 iOS 工具
- SharePoint 2013 文档上传的多种形式
- spring容器加载完毕做一件事情(利用ContextRefreshedEvent事件)转
- Android 屏幕滑动事件
- Activation successful 数据库邮件无法发送
- HDU 4821 String hash
- MVC3 ViewBage 输出的值 被编码
- round(x[, n]) : 四舍五入
- OTG
- HDU 3427
- java rest接口返回不完整的json数据
- Python 第一课笔记
- JSON与String之间互转
- Another option for file sharing(转)
- MyEclipse提示出错
- 6、Docker存储卷
- C#跨进程读取listview控件中的数据
- 【转】Cron表达式详解
- UVA506-System Dependencies(拓扑序)
- Oracle EBS AR 其他API