如果后件“C”只有类别值，自然可以想到使用此规则进行分类。典型的关联规则分类算法有CBA、CMAR和CPAR[99]。CBA是由Liu B等人提出的，是最早的也是最简单的关联规则分类算法[99]。在一些典型的分类数据集的测试中，CBA算法的实验精度高于C 4.5。但与CMAR不同的是，CPAR只选择每组中的“最好的”K个规则进行分类计算。可见，关联规则分类算法是一类基于规则的算法，其基础是频繁项目的与运算。......
2025-09-29
模拟退火算法优化
【摘要】：模拟退火算法是由N Metropolis等学者于1953年最早提出的。模拟退火算法从某一给定的初始温度开始，随着迭代的进行，温度参数不断下降，结合算法概率性的突跳能力在问题的可行解空间中随机寻找目标函数的解，并以Metropolis准则判定是否接受新解，如此迭代进行下去，逐步寻找问题的全局最优解。Metropolis接受准则是模拟退火算法的重要核心思想，Metropolis接受准则也是依据固体物质退火过程的特点而提出的。图11-2模拟退火算法流程图③算法运算产生新解。
模拟退火算法（simulated annealing，SA）是由N Metropolis等学者于2025年最早提出的。直到2025年，S Kirkpatrick等人将模拟退火的核心思想应用到复杂组合优化问题中并获得良好的应用效果，该算法是一种基于Mente-Carlo迭代求解策略的随机寻优算法，其算法思想来源于物理中的固体降温退火过程与数学中的许多组合优化问题之间的相似性。
模拟退火算法从某一给定的初始温度开始，随着迭代的进行，温度参数不断下降，结合算法概率性的突跳能力在问题的可行解空间中随机寻找目标函数的解，并以Metropolis准则判定是否接受新解，如此迭代进行下去，逐步寻找问题的全局最优解。
Metropolis接受准则是模拟退火算法的重要核心思想，Metropolis接受准则也是依据固体物质退火过程的特点而提出的。物理中固体在退火过程中，主要有三大物理过程。
①升温过程。当固体物质温度升高时，物质内部粒子能量升高，粒子的运动增强。当温度升高到一定程度，内部粒子运动脱离其平衡位置，固体就会熔化成为液体状态。
②等温过程。当物质温度降低到恰好与周围环境相同时，物质将暂时停止向周围环境散发热量。此时，物质温度保持不变，但是物质内部的粒子自由能会逐渐降低，当物质内部粒子的自由能降低到当前物质温度所蕴含的能量能够维持的最低状态时，物质会进入平衡态。物质温度保持不变，但内部粒子自由能减少到达到平衡态的整个过程就是等温过程。
③冷却过程。物质温度降低到一定程度后，物质内部的粒子能量逐渐减少，粒子运动逐渐减弱，直至所有粒子运动渐趋稳定。此时，物质内部系统能量下降到当前环境中的最低值，物质内部粒子将重新进入平衡状态。表现在外就是物质重新凝结成为固态，此时的物质内部能量比熔化前的固体状态更低。
智能优化算法的提出是为了使目标函数值达到最优而设计的，因此，在退火迭代过程中，接受优化解的概率应该大于接受劣化解的概率；并且随着温度的下降，接受优化解的概率增加而接受劣化解的概率减少。当温度趋于0℃，接受劣化解的概率也趋近于0。
模拟退火算法的基本步骤（图11-2）如下。(https://www.chuimin.cn)
①初始化。设定初始温度，初始解，每个温度的迭代次数，温度的衰减系数。初始温度的设定对于算法从随机搜索过程转换成局部搜索的速度起到控制性作用；迭代次数的设定对于算法搜索解的质量有显著作用；衰减系数一般设置接近1，衰减系数的设定对于算法的搜索精度与算法运算速度起控制作用。
②对于温度进行其对于迭代次数，迭代步骤③到⑤的操作。
图11-2 模拟退火算法流程图
③算法运算产生新解。
④计算目标函数值的差值。若差值小于0，则接受新解；否则以一定概率接受新解。
⑤对比算法终止条件，满足终止条件则输出当前解为最优解，结束算法；不满足终止条件，继续步骤⑥。
⑥对当前温度值进行衰减系数为初始化系统的衰减计算，然后继续步骤②。
相关文章
- 详细阅读
-
混沌粒子群优化算法优化方案探究详细阅读
混沌粒子群优化算法的基本思想是采用混沌序列初始化粒子的位置和速度,先对当前粒子群体中的最优粒子进行混沌寻优,然后把混沌寻优的结果随机替换粒子群体中的一个粒子。,z1N),根据式(4-6)得到N个向量z1,z2,…如果粒子适应度优于全局极值gbest,则将gbest设置为新位置。则混沌粒子群优化算法的流程为:初始化,设置最大允许迭代次数或适应误差限,以及CPSO算法的参数惯性权值和学习因子。,PgD)进行混沌优化:将Pgi(i=1,2,…计算其适应值,得到性能最好的可行解pb。......
2025-09-29
-
频繁项集挖掘算法的优化详细阅读
在所有可能的项集中，有很多候选都不是频繁的。算法4.2Apriori算法伪代码FPGrowth方法使用一种增强的前缀树对数据D进行索引，以实现快速的支持度计算。FPGrowth将所有的项按照支持度的降序排列。FP树构建完成后，所有的频繁项集就可以从树中挖掘出来。基于频繁树模式的频繁集搜索方法见算法4.3。算法4.3FPGrowth算法伪代码......
2025-09-29
-
群体智能算法优化方案详细阅读
智力激励法是运用群体创造原理，充分发挥集体创造力来解决问题的一种创新设计方法。其中最常用的是书面集智法，即以笔代口的默写式智力激励法。函询集智法有两个特点，也是其优点。......
2025-09-29
-
窃听感知路由及其分配算法优化详细阅读
在这个算法中，RSA问题被分解成两个子问题：路由子问题与频谱分配子问题。ES-RSA算法的伪代码如图8-3所示，当业务到达网络时，首先通过KSP算法找到k条最短路径，然后根据窃听概率分布计算出每条路径被窃听的概率，将路径窃听概率不满足高于业务需求MIRP值的路径删除，在路径选择结束后，利用首次适用算法进行频谱分配，由此得到资源分配结构。通过设置MIRP值条件可以有效地去除泄露概率较高的路径，由此降低被窃听的概率，实现安全性的提升。......
2025-09-29
-
多流路由与分配算法优化方案详细阅读
利用MFVC在保障安全性与频谱效率方面的优势，人们提出了一种面向CIS的MES-RSA启发式算法。MES-RSA算法的伪代码如图8-6所示，其工作流程主要包括两步，第一步是分配路径资源，第二步是分配频谱资源。在路径资源的分配过程中，MES-RSA算法采用基于MFVC的安全策略响应到达的CIS业务的安全性需求。图8-6MES-RSA算法的伪代码在频谱资源分配部分，人们提出了多流频谱分配算法。首先，根据此限制条件删除无效频谱块，找出路径与子业务流相匹配的组合。......
2025-09-29
-
支持向量机优化算法详细阅读
支持向量机是机器学习中的一项新技术，是借助于最优化方法来解决机器学习问题的新工具，开始成为克服维数灾难和过学习等困难的强有力的手段。支持向量机方法建立在统计学理论的VC维理论和结构风险最小原理基础之上，根据有限样本在模型的复杂性和学习能力之间寻求最佳折中，以期获得最好的推广能力。支持向量机正是这样一种努力最小化结构风险的算法。这个归一化的结果便是支持向量机的几何间隔。......
2025-09-29
-
优化目标最优化算法之目估适线法详细阅读
图X3.11频率计算适线法框图统计参数的初适值，可用矩法公式计算、Cv，并假定Cs/Cv比值，也可采用三点法、概率权重矩法和双权函数法等。图X3.11频率计算适线法框图调整参数。试用适线法推求该站年降水量的频率曲线，并确定相应于频率为10%、50%、90%的年降水量。图X3.13某站年降水量频率曲线类似地，计算F列的模比系数以及G列ki-1和H列2数据，并对各列求和，其中F列的模比系数的总和应等于n，G列的总和应等于0，据此可进行校核。......
2025-09-29
相关推荐