lin*_*lof 6 algorithm optimization simulated-annealing
"数字食谱"的作者给出了Ch.图10是模拟退火算法的实施方案,其将"经典"模拟退火与Nelder-Mead下坡单纯形法结合.
我真正喜欢这个算法的方法是当退火温度达到0时,它会收敛到经典的下坡搜索.但是,我从来没有找到任何其他参考这个算法; 它是模拟退火算法的安全,成熟变体(即生产就绪)还是应该被视为投入本书的实验性想法？
不，不安全，肯定会给你带来疱疹。
作为专业从事人工智能和智能系统工作的人，我可以告诉你，很少有这样的算法被认为是成熟的。就其本质而言，先进的算法都倾向于具有实验性。例如，在模拟退火中，您需要制定冷却计划。如何做到这一点是针对特定问题的，需要您尝试并调整算法。NR 代码是执行此操作的合理起点。