الگوریتم تبرید شبیه سازی شده ( Simulated Annealing ) ( SA ) ، یک الگوریتم بهینه سازی فراابتکاری ساده و اثربخش در حل مسائل بهینه سازی در فضاهای جستجوی بزرگ است. این الگوریتم بیشتر زمانی استفاده می شود که فضای جستجو گسسته باشد ( مثلاً همه گشت هایی که از یک مجموعه از شهرها میگذرند ) . برای مسائلی که پیدا کردن یک پاسخ تقریبی برای بهینه کلی مهمتر از پیدا کردن یک پاسخ دقیق برای بهینه محلی در زمان محدود و مشخصی است، تبرید شبیه سازی شده ممکن است نسبت به باقی روش ها مانند گرادیان کاهشی دارای ارجحییت باشد.
تکنیک تبرید تدریجی، به وسیلهٔ متالورژیست ها برای رسیدن به حالتی که در آن ماده جامد، به خوبی مرتب و انرژی آن کمینه شده باشد، استفاده می شود. هدف از این کار این است که سایز کریستال ها در حالت جامد ماده در حال تبرید به بزرگترین حالت برسد. این تکنیک شامل قرار دادن ماده در دمای بالا و سپس کم کردن تدریجی این دماست. شبیه سازی تبرید رویکردی است که مسئله کمینه سازی یک تابع با تعداد بسیار زیادی متغیر است را به یک مسئله مکانیک آماری کاهش می دهد. بنیان گذاران این الگوریتم برای حل مسائل سخت بهینه سازی، روشی مبتنی بر تکنیک تبرید تدریجی و آرام پیشنهاد نمودند. این محققین برای مدلسازی تبرید یک سیستم به منظور پیدا کردن پاسخ کمینه کلی، از شبیه سازی کامپیوتری استفاده کردند. [ ۱] [ ۲]
می توان تبرید تدریجی و آرام در این الگوریتم را به عنوان کاهش تدریجی احتمال انتخاب پاسخ های بدتر حین جستجو در فضای پاسخ ها دانست ( انتخاب پاسخ های بدتر یک ویژگی اساسی الگوریتم های فراابتگاری است و پیدا کردن بهترین پاسخ را ممکن می سازد ) . شبیه سازی را می توان به دو صورت حل روابط کینتیکی برای توابع چگالی ( مانند کار خاچاتوریان، سمونوفسکایا و وینشتاین در سال ۱۹۷۹ و ۱۹۸۱ ) یا استفاده از نمونه گیری تصادفی، انجام داد. نمونه گیری تصادفی در سال ۱۹۸۳ توسط کریک پاتریک، گلت و کلی معرفی شد[ ۲] ، کرنی در سال ۱۹۸۵ و خاچاتوریان، سمونوفسکایا و وینشتاین در سال ۱۹۸۵ به طور مستقل این ایده را مطرح کردند. این روش یک اقتباس از الگوریتم متروپولیس - هستینگز است، یک روش مونت کارلو که نمونه حالت هایی را از یک سیستم ترمودینامیک تولید می کند.
در روش شبیه سازی تبریدی ( SA ) ، هر نقطه s در فضای جستجو مشابه یک حالت از یک سیستم فیزیکی است، و تابع ( E ( s که باید کمینه شود، مشابه با انرژی داخلی سیستم در آن حالت است. در این روش، هدف انتقال سیستم از حالت اولیه دلخواه، به حالتی است که سیستم در آن کمترین انرژی را داشته باشد.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفتکنیک تبرید تدریجی، به وسیلهٔ متالورژیست ها برای رسیدن به حالتی که در آن ماده جامد، به خوبی مرتب و انرژی آن کمینه شده باشد، استفاده می شود. هدف از این کار این است که سایز کریستال ها در حالت جامد ماده در حال تبرید به بزرگترین حالت برسد. این تکنیک شامل قرار دادن ماده در دمای بالا و سپس کم کردن تدریجی این دماست. شبیه سازی تبرید رویکردی است که مسئله کمینه سازی یک تابع با تعداد بسیار زیادی متغیر است را به یک مسئله مکانیک آماری کاهش می دهد. بنیان گذاران این الگوریتم برای حل مسائل سخت بهینه سازی، روشی مبتنی بر تکنیک تبرید تدریجی و آرام پیشنهاد نمودند. این محققین برای مدلسازی تبرید یک سیستم به منظور پیدا کردن پاسخ کمینه کلی، از شبیه سازی کامپیوتری استفاده کردند. [ ۱] [ ۲]
می توان تبرید تدریجی و آرام در این الگوریتم را به عنوان کاهش تدریجی احتمال انتخاب پاسخ های بدتر حین جستجو در فضای پاسخ ها دانست ( انتخاب پاسخ های بدتر یک ویژگی اساسی الگوریتم های فراابتگاری است و پیدا کردن بهترین پاسخ را ممکن می سازد ) . شبیه سازی را می توان به دو صورت حل روابط کینتیکی برای توابع چگالی ( مانند کار خاچاتوریان، سمونوفسکایا و وینشتاین در سال ۱۹۷۹ و ۱۹۸۱ ) یا استفاده از نمونه گیری تصادفی، انجام داد. نمونه گیری تصادفی در سال ۱۹۸۳ توسط کریک پاتریک، گلت و کلی معرفی شد[ ۲] ، کرنی در سال ۱۹۸۵ و خاچاتوریان، سمونوفسکایا و وینشتاین در سال ۱۹۸۵ به طور مستقل این ایده را مطرح کردند. این روش یک اقتباس از الگوریتم متروپولیس - هستینگز است، یک روش مونت کارلو که نمونه حالت هایی را از یک سیستم ترمودینامیک تولید می کند.
در روش شبیه سازی تبریدی ( SA ) ، هر نقطه s در فضای جستجو مشابه یک حالت از یک سیستم فیزیکی است، و تابع ( E ( s که باید کمینه شود، مشابه با انرژی داخلی سیستم در آن حالت است. در این روش، هدف انتقال سیستم از حالت اولیه دلخواه، به حالتی است که سیستم در آن کمترین انرژی را داشته باشد.
