模拟退火算法使用实例  文件大小：0 授权方式：免费版 软件类别：Fortran 软件语言：简体中文 运行环境：Win9x/Me/NT/2000 开 发 商：ImQMD  E-mail 相关链接：开发商主页  程序演示 更新时间：2015/12/31 10:02:25 解压密码： 推荐等级： 下载次数：

下载地址: download

下载地址1

相关软件: related software

当前没有记录！

软件简介: brief introduction

模拟退火算法(Simulated Annealing，SA)最早的思想是由N. Metropolis[1]  等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。模拟退火算法从某一较高初温出发，伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解，即在局部最优解能概率性地跳出并最终趋于全局最优。模拟退火算法是一种通用的优化算法，理论上算法具有概率的全局优化性能,目前已在工程中得到了广泛应用，诸如VLSI、生产调度、控制工程、机器学习、神经网络、信号处理等领域。

模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e(-ΔE/(kT))，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。

Para_ELD是模拟退火算法在确定原子核液滴模型参数的实际应用。

基于AME2003的2149个已知原子核质量来确定modified Weizsaecker液滴公式的6个参数。具体来说，就是通过计算原子核质量的均方根偏差，搜索偏差的最小值来最终确定模型参数。实际上是6维参数空间的最优化问题。最后确定出来的参数在RESULT文件。

参考文献：[1] Ning Wang, Min Liu and Xizhen Wu, Phys. Rev. C 81 (2010) 044322
                    [2] 梁祚盈, 刘俊华, 刘敏, 王宁, 原子核物理评论  28  (2011)  1- 6

 

网友评论: comments  发表评论