나는 임의의 돌연변이 힐 클라이밍 알고리즘을 내가 작업하고있는 프로젝트의 일부로 사용했지만 시뮬레이션 된 어닐링을 사용하여 모든 로컬 optima에 갇힐 확률을 최소화하는 것이 더 나은지 궁금해하고있었습니다.무작위 돌연변이 언덕 등산 및 모의 어닐링 - 어느 것이 가장 빠릅니까?
내가 가진 질문은 일반적으로 당신의 경험에서 어느 정도 빠른 경향이 있는가? 분명히 두 알고리즘 모두에 대해 엄청난 응용 프로그램이 있습니다. 당신이 원한다면 이것은 더 숙고 된 것입니다.
감사합니다.
(귀하의 프로젝트가 순수한 TSP와 같이 잘 연구 된 학술적 문제와 100 % 일치하지 않는 한 - 및 그 이후도 ...)라고 말할 수있는 방법이 없습니다. 프로젝트의 제약 조건과 프로젝트 크기에 따라 다릅니다 (알고리즘을 올바르게 구현 한 경우).
그래서 확실히 알고리즘을 구현하려면 Tabu 검색과 같은 알고리즘과 use a Benchmarker like this one 알고리즘을 모두 구현해야합니다. 말했다되고 그건
, 나는 어떤 일을 :)
참고 등반 무작위 돌연변이 힐 담금질 기법에 내 돈을 넣어 거라고 : 담금질 기법은 짧지 만 어려운 알고리즘 : 만 바로 내 제 3 회 구현에있어 블로그 등에서 여전히 잘못된 구현 (꽤 괜찮은 해결책을 출력)을 많이 보았습니다. 그냥 reuse optimization algorithms 일 때가 더 쉽습니다.
감사합니다. SA를 약 1 년 전에 TSP 용으로 세 가지 다른 알고리즘과 함께 사용했으며 SA는 훨씬 더 나은 결과를 산출했습니다. SA는 어렵다. 그렇다. 그러나 한 번 정확하면, 그것은 훌륭하게 작동합니다! – MusTheDataGuy
아마도 여러분이 등반하고있는 언덕의 문제와 토폴로지에 달려있을 것입니다. – duffymo
귀하의 질문은 개방적입니다. 도메인을 제약하거나 질문을 토론 중심으로 만들기위한보다 구체적인 요구 사항을 줄 수 있습니까? – sgmorrison
이미지에서 가장 좋은 타원을 찾으려면 이미지 (~ 424 x ~ 424)를 검색하고 있습니다. – MusTheDataGuy