このページは機械翻訳を使用して翻訳されました。元の英語を参照するには、ここをクリックします。
シミュレーテッドアニーリングの仕組み
アルゴリズムの概要
シミュレーテッド アニーリング アルゴリズムは、次の手順を実行します。
アルゴリズムはランダムな試行ポイントを生成します。アルゴリズムは、現在の温度に応じたスケールを持つ確率分布によって、現在のポイントから試行ポイントまでの距離を選択します。
AnnealingFcn
オプションを使用して、試行ポイントの距離分布を関数として設定します。選択肢:@annealingfast
(デフォルト) — ステップの長さは現在の温度に等しく、方向は均一にランダムです。@annealingboltz
— ステップの長さは温度の平方根に等しく、方向は均一にランダムです。@myfun
— カスタムアニーリングアルゴリズム、myfun
。カスタムアニーリング関数の構文については、アルゴリズムの設定 を参照してください。
試行ポイントを生成した後、アルゴリズムは必要に応じて試行ポイントをシフトして境界内にとどめます。アルゴリズムは、試行ポイントの各実行不可能なコンポーネントを、違反した境界と前回の反復での (実行可能な) 値の間で一様にランダムに選択された値にシフトします。
アルゴリズムは、新しいポイントが現在のポイントよりも優れているか劣っているかを判断します。新しいポイントが現在のポイントよりも優れている場合は、それが次のポイントになります。新しいポイントが現在のポイントよりも悪い場合でも、アルゴリズムはそれを次のポイントにすることができます。アルゴリズムは、受け入れ関数に基づいて悪い点を受け入れます。
AcceptanceFcn
オプションを使用して受け入れ関数を選択します。選択肢:@acceptancesa
(デフォルト) — シミュレーテッドアニーリング受け入れ関数。合格確率はここで、
Δ = 新しい目標 – 古い目標。
T0 = コンポーネントの初期温度 i
T = 現在の温度。Δ と T は両方とも正なので、受け入れられる確率は 0 から 1/2 の間になります。温度が低いほど、合格確率は低くなります。また、Δ が大きいほど、受け入れ確率は低くなります。
@myfun
— カスタム受け入れ関数、myfun
。カスタム受け入れ関数の構文については、アルゴリズムの設定 を参照してください。
アルゴリズムは体系的に温度を下げ、これまでに見つかった最良のポイントを保存します。
TemperatureFcn
オプションは、アルゴリズムが温度を更新するために使用する関数を指定します。k はアニーリングパラメータを表します。(アニーリングパラメータは再アニーリングまでの反復回数と同じです。)オプション:@temperatureexp
(デフォルト) — T = T0 * 0.95^k 。@temperaturefast
— T = T0 / k.@temperatureboltz
— T = T0 / log(k).@myfun
— カスタム温度関数、myfun
。カスタム温度関数の構文については、温度オプション を参照してください。
simulannealbnd
はReannealInterval
ポイントを受け入れた後に再アニールします。再アニーリングでは、アニーリング パラメータが反復回数よりも低い値に設定され、各次元の温度が上昇します。アニーリング パラメータは、各次元における目的関数の推定勾配の値に依存します。基本的な式はここで、
ki = コンポーネント i のアニーリング パラメーター。
T0 = コンポーネント i の初期温度。
Ti = コンポーネント i の現在の温度。
si = 方向 i の目標の勾配に方向 i の境界の差を掛けた値。simulannealbnd
は、Inf
やその他の不適切な値からアニーリング パラメータ値を保護します。アルゴリズムは、目的関数の平均変化が
FunctionTolerance
に比べて小さい場合、またはその他の停止基準に達した場合に停止します。アルゴリズムの停止条件を参照してください。
アルゴリズムの詳細については、Ingber [1] を参照してください。
アルゴリズムの停止条件
シミュレーテッド アニーリング アルゴリズムは、次の条件を使用して停止するタイミングを決定します。
FunctionTolerance
— アルゴリズムは、StallIterLim
回の反復における目的関数の値の平均変化がFunctionTolerance
の値よりも小さくなるまで実行されます。既定値は1e-6
です。MaxIterations
— 反復回数がこの最大反復回数を超えると、アルゴリズムは停止します。最大反復回数は正の整数またはInf
として指定できます。既定値はInf
です。MaxFunctionEvaluations
は目的関数の評価の最大回数を指定します。関数評価の回数がMaxFunctionEvaluations
の値を超えると、アルゴリズムは停止します。既定値は3000*numberofvariables
です。MaxTime
は、アルゴリズムが停止するまでに実行される最大時間を秒単位で指定します。既定値はInf
です。ObjectiveLimit
— 最適な目的関数の値がObjectiveLimit
の値より小さい場合、アルゴリズムは停止します。既定値は-Inf
です。
参考文献
[1] Ingber, L. Adaptive simulated annealing (ASA): Lessons learned. Invited paper to a special issue of the Polish Journal Control and Cybernetics on “Simulated Annealing Applied to Combinatorial Optimization.” 1995. Available from https://www.ingber.com/asa96_lessons.ps.gz