Simulated annealing (SA) is a proba

Simulated annealing (SA) is a probabilistic technique for approximating the global optimum of a given function. Specifically, it is a metaheuristic to approximate global optimization in a large search space. It is often used when the search space is discrete (e.g., all tours that visit a given set of cities). For problems where finding the precise global optimum is less important than finding an acceptable local optimum in a fixed amount of time, simulated annealing may be preferable to alternatives such as brute-force search or gradient descent.

Simulated annealing interprets slow cooling as a slow decrease in the probability of accepting worse solutions as it explores the solution space. Accepting worse solutions is a fundamental property of metaheuristics because it allows for a more extensive search for the optimal solution.

The method was independently described by Scott Kirkpatrick, C. Daniel Gelatt and Mario P. Vecchi in 1983,[1] and by Vlado Černý in 1985.[2] The method is an adaptation of the Metropolis–Hastings algorithm, a Monte Carlo method to generate sample states of a thermodynamic system, invented by M.N. Rosenbluth and published by N. Metropolis et al. in 1953.[3]

Kết quả (Việt) 1:

Mô phỏng ủ (SA) là một kỹ thuật xác suất để số tối ưu toàn cầu của một chức năng nhất định. Cụ thể, nó là một metaheuristic đến khoảng tối ưu hóa toàn cầu trong một không gian lớn tìm. Nó thường được sử dụng khi không gian tìm kiếm là rời rạc (ví dụ như, tất cả các tour du lịch mà truy cập vào một tập hợp của các thành phố). Cho các vấn đề nơi tìm chính xác tối ưu toàn cầu là ít quan trọng hơn việc tìm kiếm một tối ưu địa phương chấp nhận được trong một khoảng thời gian cố định, làm cho deo mô phỏng có thể thích hợp hơn để lựa chọn thay thế như brute-lực tìm hoặc gradient descent.Mô phỏng tôi diễn giải chậm làm mát là một sự giảm xuống chậm trong xác suất của chấp nhận giải pháp tồi tệ hơn vì nó khám phá không gian giải pháp. Chấp nhận giải pháp tồi tệ hơn là một thuộc tính cơ bản của metaheuristics bởi vì nó cho phép cho một tìm kiếm rộng rãi hơn cho các giải pháp tối ưu.Phương pháp độc lập được mô tả bởi Scott Kirkpatrick, C. Daniel Gelatt và Mario P. Vecchi năm 1983, [1] và Vlado Černý năm 1985. [2 phương pháp] là một thích ứng của thuật toán Metropolis-Hastings, một phương pháp Monte Carlo để tạo ra các mẫu Hoa của một hệ thống nhiệt, phát minh bởi M.N. Rosenbluth và xuất bản bởi N. Metropolis et al. năm 1953. [3]

Kết quả (Việt) 2:

Mô phỏng luyện kim (SA) là một kỹ thuật xác suất cho xấp xỉ toàn cầu tối ưu của một chức năng nhất định. Cụ thể, đó là một metaheuristic để xấp xỉ tối ưu hóa toàn cầu trong một không gian tìm kiếm lớn. Nó thường được sử dụng khi không gian tìm kiếm là rời rạc (ví dụ, tất cả các tour du lịch tham quan một tập hợp của các thành phố). Đối với những vấn đề mà việc tìm kiếm toàn cầu tối ưu chính xác là ít quan trọng hơn so với việc tìm kiếm một tối ưu địa phương chấp nhận được trong một khoảng thời gian nhất định, mô phỏng ủ có thể thích hợp hơn để thay thế khác như tìm kiếm brute-force hay gradient descent. Ủ Simulated dịch làm mát chậm như giảm chậm trong khả năng chấp nhận giải pháp tồi tệ hơn khi nó khám phá không gian giải pháp. Chấp nhận các giải pháp tồi tệ hơn là một đặc tính cơ bản của metaheuristics vì nó cho phép tìm kiếm rộng hơn cho các giải pháp tối ưu. Phương pháp này được mô tả một cách độc lập bởi Scott Kirkpatrick, C. Daniel Gelatt và Mario P. Vecchi năm 1983, [1] và Vlado Černý vào năm 1985. [2] phương pháp này là một sự thích nghi của thuật toán Metropolis-Hastings, một phương pháp Monte Carlo để tạo ra trạng thái mẫu của một hệ thống nhiệt động lực học, phát minh bởi MN Rosenbluth và xuất bản bởi N. Metropolis et al. vào năm 1953. [3]