Parameters 模拟退火参数

Parameters 模拟退火参数,parameters,encog,simulated-annealing,Parameters,Encog,Simulated Annealing,我对模拟退火做了一些广泛的研究。即使如此,我还是很难理解如何找到输入参数 在我所有的研究中,你似乎只是从黑暗中开始,然后从那里调整。这似乎效率极低,不太可能产生高质量的结果 如何在使用Encog的SA训练算法中找到要使用的参数(例如:开始温度、停止温度、周期),以产生高效且高质量的结果?模拟退火是一个调整值向量以提高目标函数得分的过程。如果您使用Encog通过模拟退火训练神经网络,那么您尝试调整/优化的向量就是神经网络的权重。目标函数就是当与给定数据集的期望输出进行比较时,神经网络对于当前权重集

我对模拟退火做了一些广泛的研究。即使如此,我还是很难理解如何找到输入参数

在我所有的研究中,你似乎只是从黑暗中开始,然后从那里调整。这似乎效率极低,不太可能产生高质量的结果


如何在使用Encog的SA训练算法中找到要使用的参数(例如:开始温度、停止温度、周期),以产生高效且高质量的结果?

模拟退火是一个调整值向量以提高目标函数得分的过程。如果您使用Encog通过模拟退火训练神经网络,那么您尝试调整/优化的向量就是神经网络的权重。目标函数就是当与给定数据集的期望输出进行比较时,神经网络对于当前权重集得到的误差。考虑随机游走,这是最简单的优化方法之一。在这里,您选择一个权重,或者增加它,或者减少它(完全随机)。如果重量的变化降低了误差,那么重量的变化将成为永久性的,循环将在新的重量上重复。如果错误没有改善,则取消权重更改并选择新权重。您可以将随机行走视为在重量配置之间随机行走,并且仅在错误改善时保持新位置

模拟退火非常类似,但它接受这样一个事实,即有时您必须接受一个错误更严重的新位置,以便前进到更好的错误。有时候你必须后退一步才能前进两步。温度范围只是指定模拟退火接受错误移动的可能性。较高的温度比较低的温度更有可能。温度从高到低。在较低温度下,模拟退火本质上是一种随机游动。cycles参数指定算法尝试移动到更好位置的次数