글로벌 최적화 알고리즘을 찾기위한 다중 로컬 검색 알고리즘

Question

전 진화론과 유전 알고리즘 세계에 상당히 익숙합니다. 이제는 배열을 최적화하고 최선의 해결책을 제시하는 글쓰기 과정에 있습니다. .

시뮬레이션 알고리즘을 통해 알고리즘이 최적화되었습니다. 냉각 속도와 시작 온도를 변경하여 인구의 압력과 다양성을 변경하여 다양한 결과를 얻을 수 있습니다. 내 질문은 하나의 알고리즘에서 두 가지 종류의 로컬 검색을 사용할 수 있습니까? 예를 들어 반복을 5000으로 제한한다고 가정 해보십시오. 시뮬레이션 어닐링을 위해 4000을 사용하고 남은 1000 명을 산악인 등반가 검색에 투자하여 첫 번째 지역 검색에서 찾은 값에서 최적의 솔루션을 찾으십시오. 아니면 표준 연습이 아닌 하나의 알고리즘에서 두 가지 지역 검색을 사용하고 있습니까? 나는이 프로그래밍 세계에 익숙하지 않으므로 어떤 제안이라도 열려 있습니다!

Answer 1

델타 스타일 3D 프린터에서 오류 추정을 최적화 할 수 있도록 자극 어닐링 (SA)을 사용합니다. 34 dof 오류 함수를 샘플 오류 맵에 맞추고 있습니다. 나는 3 백만회의 SA 반복 작업과 등산 (HC) 작업을 수행합니다. HC는 오류 (비용) 함수 값을 줄입니다. 나는 이것이 일반적이라는 것을 모른다. 그러나 그것은 나를 위해 일한다. 일반적인 결과 : 원본 오류 기능, 150. SA 이후, 18. HC 후, 2.