| http://dbpedia.org/ontology/abstract
|
Алгоритм імітації відпалу (англ. Simulated … Алгоритм імітації відпалу (англ. Simulated annealing) - загальний алгоритмічний метод розв'язання задачі глобальної оптимізації, особливо дискретної та комбінаторної оптимізації, в якому процедура пошуку глобального розв'язку імітує фізичний процес відпалу. Він часто використовується, коли пошук наближеного глобального оптимуму важливіший, ніж пошук точного локального оптимуму за встановлений проміжок часу. Метод є адаптацією алгоритму Метрополіс–Гастінгс, методу Монте-Карло для генерування зразкових станів термодинамічної системи, опублікованого Ніколас Метрополіс у 1953 році.лікованого Ніколас Метрополіс у 1953 році.
, 模擬退火（英語：Simulated annealing，缩写作SA）是一種通用概率演算法，常用來在一定時間內尋找在一個很大中的近似。模擬退火在1983年为S. Kirkpatrick, C. D. Gelatt和M. P. Vecchi所發明，V. Černý也在1985年獨立發明此演算法。
, 焼きなまし法（やきなましほう、英: Simulated Annealing、SAと略 … 焼きなまし法（やきなましほう、英: Simulated Annealing、SAと略記、疑似アニーリング法、擬似焼きなまし法、シミュレーティド・アニーリングともいう）は、大域的最適化問題への汎用の乱択アルゴリズムである。広大な探索空間内の与えられた関数の大域的最適解に対して、よい近似を与える。 S. Kirkpatrick、C. D. Gelatt、M. P. Vecchiらが1983年に考案し、1985年に V. Cerny が再発見した。 その名称は、金属工学における焼きなましから来ている。焼きなましは、金属材料を熱した後で徐々に冷やし、結晶を成長させてその欠陥を減らす作業である。熱によって原子は初期の位置（内部エネルギーがローカルな極小状態）から離され、よりエネルギーの高い状態をうろつく。ゆっくり冷却することで、原子は初期状態よりも内部エネルギーがさらに極小な状態を得る可能性が多くなる。 SAアルゴリズムは、解を繰り返し求め直すにあたって、現在の解のランダムな近傍の解を求めるのだが、その際に与えられた関数の値とグローバルなパラメータ T（温度を意味する）が影響する。そして、前述の物理過程との相似によって、T（温度）の値は徐々に小さくなっていく。このため、最初はTが大きいので、解は大胆に変化するが、Tがゼロに近づくにつれて収束していく。最初は簡単に勾配を上がっていけるので、山登り法で問題となるようなローカルな極小に陥ったときの対処を考える必要がない。ので、山登り法で問題となるようなローカルな極小に陥ったときの対処を考える必要がない。
, Simulované žíhání (SA) (Simulated annealin … Simulované žíhání (SA) (Simulated annealing) je heuristická optimalizační metoda, řadící se mezi tzv. , inspirovaná žíháním kovových slitin s cílem získání jejich optimálních vlastností, užívaná k řešení složitých optimalizačních úloh, které nelze řešit konvenčními metodami jako např. metoda Lagrangeových multiplikátorů, lineární programování, kvadratické programování atd.rogramování, kvadratické programování atd.
, Symulowane wyżarzanie – rodzaj algorytmu h … Symulowane wyżarzanie – rodzaj algorytmu heurystycznego przeszukującego przestrzeń dopuszczalnych rozwiązań problemu w celu wyszukania rozwiązań najlepszych. Sposób działania symulowanego wyżarzania nieprzypadkowo przypomina zjawisko wyżarzania w metalurgii.zypomina zjawisko wyżarzania w metalurgii.
, Simulated Annealing (simulierte/-s Abkühlu … Simulated Annealing (simulierte/-s Abkühlung/Ausglühen) ist ein heuristisches Approximationsverfahren. Es wird zum Auffinden einer Näherungslösung von Optimierungsproblemen eingesetzt, die durch ihre hohe Komplexität das vollständige Ausprobieren aller Möglichkeiten und mathematische Optimierungsverfahren ausschließen. Der Metropolis-Algorithmus ist die Grundlage für das Verfahren der simulierten Abkühlung. Grundidee ist die Nachbildung eines Abkühlungsprozesses, etwa beim Glühen in der Metallurgie. Nach dem Erhitzen eines Metalls sorgt die langsame Abkühlung dafür, dass die Atome ausreichend Zeit haben, sich zu ordnen und stabile Kristalle zu bilden. Dadurch wird ein energiearmer Zustand nahe am Optimum erreicht.Übertragen auf das Optimierungsverfahren entspricht die Temperatur einer Wahrscheinlichkeit, mit der sich ein Zwischenergebnis der Optimierung auch verschlechtern darf. Im Gegensatz zu einem Lokale-Suche-Algorithmus kann das Verfahren ein lokales Optimum wieder verlassen. Es werden ungünstigere Zwischenlösungen akzeptiert, weil dies die Chance bietet, ein besseres lokales Optimum zu finden. Der Algorithmus wird beispielsweise beim Floorplanning im Laufe eines Chipentwurfs oder für die Standort- und Routenplanung verwendet. Es gibt auch Quantenversionen von Annealing (mit Tunnelung zwischen den Minima), eingeführt in den 1990er Jahren. Minima), eingeführt in den 1990er Jahren.
, 담금질 기법(Simulated Annealing, SA)은 문제에 대한 일반 … 담금질 기법(Simulated Annealing, SA)은 문제에 대한 일반적인 확률적 메타 알고리즘이다. 이 기법은 광대한 안에서, 주어진 함수의 에 대한 좋은 근사를 준다. 커크패트릭, 젤라트, 베키가 1983년에 고안했다. 보통 영어를 그냥 읽어서 시뮬레이티드 어닐링이라고 부른다. 담금질 기법이라는 말은 금속 공학의 담금질(quenching)에서 왔는데, 이는 풀림(annealing)의 오역이다. 풀림은 금속재료를 가열한 다음 조금씩 냉각해 결정을 성장시켜 그 결함을 줄이는 작업이다. 열에 의해서 원자는 초기의 위치(내부 에너지가 극소점에 머무르는 상태)로부터 멀어져 에너지가 더욱 높은 상태로 추이된다. 천천히 냉각함으로써 원자는 초기 상태보다 내부 에너지가 한층 더 극소인 상태를 얻을 가능성이 많아진다. SA 알고리즘은 해를 반복해 개선함으로써, 현재의 해 근방에 있는 해를 임의로 찾는데, 그때에 주어진 함수의 값과 전역 인자 T 가 영향을 준다. 그리고 앞에서 기술한 물리 과정과 비슷한 원리로. T(온도)의 값은 서서히 작아진다. 따라서, 처음에는 T가 크기 때문에 해가 크게 변화하지만, T가 0에 가까워짐에 따라 변화가 줄어든다. 처음은 간단하게 비탈을 올라갈 수 있으므로, 으로 문제가 되는 에 빠졌을 때의 대책을 생각할 필요가 없다.수 있으므로, 으로 문제가 되는 에 빠졌을 때의 대책을 생각할 필요가 없다.
, Simulated annealing (SA) is a probabilisti … 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 for an optimization problem. It is often used when the search space is discrete (for example the traveling salesman problem, the boolean satisfiability problem, protein structure prediction, and job-shop scheduling). For problems where finding an approximate global optimum is more important than finding a precise local optimum in a fixed amount of time, simulated annealing may be preferable to exact algorithms such as gradient descent or branch and bound. The name of the algorithm comes from annealing in metallurgy, a technique involving heating and controlled cooling of a material to alter its physical properties. Both are attributes of the material that depend on their thermodynamic free energy. Heating and cooling the material affects both the temperature and the thermodynamic free energy or Gibbs energy.Simulated annealing can be used for very hard computational optimization problems where exact algorithms fail; even though it usually achieves an approximate solution to the global minimum, it could be enough for many practical problems. The problems solved by SA are currently formulated by an objective function of many variables, subject to several constraints. In practice, the constraint can be penalized as part of the objective function. Similar techniques have been independently introduced on several occasions, including Pincus (1970), Khachaturyan et al (1979, 1981), Kirkpatrick, Gelatt and Vecchi (1983), and Cerny (1985). In 1983, this approach was used by Kirkpatrick, Gelatt Jr., Vecchi, for a solution of the traveling salesman problem. They also proposed its current name, simulated annealing. This notion of slow cooling implemented in the simulated annealing algorithm is interpreted as a slow decrease in the probability of accepting worse solutions as the solution space is explored. Accepting worse solutions allows for a more extensive search for the global optimal solution. In general, simulated annealing algorithms work as follows. The temperature progressively decreases from an initial positive value to zero. At each time step, the algorithm randomly selects a solution close to the current one, measures its quality, and moves to it according to the temperature-dependent probabilities of selecting better or worse solutions, which during the search respectively remain at 1 (or positive) and decrease toward zero. The simulation can be performed either by a solution of kinetic equations for density functions or by using the stochastic sampling method. The method is an adaptation of the Metropolis–Hastings algorithm, a Monte Carlo method to generate sample states of a thermodynamic system, published by N. Metropolis et al. in 1953.published by N. Metropolis et al. in 1953.
, طريقة التخمير المحاكى هي طريقة محاكاة رياضية مبدؤها مستمدّ من طريقة التخمير المستخدمة كإحدى طرق معالجة المعادن حرارياً. في طريقة المعالجة هذه تتناوب دورات التبريد البطيء وإعادة التسخين (التخمير) بحيث يتم الوصول إلى وضعية تكون فيها الطاقة أصغرية.
, Simulated annealing (SA) adalah salah satu … Simulated annealing (SA) adalah salah satu algoritme untuk optimisasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritme ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu. Publikasi tentang pendekatan ini pertama kali dilakukan oleh S. Kirkpatrick, C. D. Gelatt dan M. P. Vecchi, diaplikasikan pada desain optimal hardware komputer, dan juga pada salah satu masalah klasik ilmu komputer yaitu Traveling Salesman Problem. Annealing adalah satu teknik yang dikenal dalam bidang metalurgi, digunakan dalam mempelajari proses pembentukan kristal dalam suatu materi. Agar dapat terbentuk susunan kristal yang sempurna, diperlukan pemanasan sampai suatu tingkat tertentu, kemudian dilanjutkan dengan pendinginan yang perlahan-lahan dan terkendali dari materi tersebut. Pemanasan materi di awal proses annealing, memberikan kesempatan pada atom-atom dalam materi itu untuk bergerak secara bebas, mengingat tingkat energi dalam kondisi panas ini cukup tinggi. Proses pendinginan yang perlahan-lahan memungkinkan atom-atom yang tadinya bergerak bebas itu, pada akhirnya menemukan tempat yang optimum, di mana energi internal yang dibutuhkan atom itu untuk mempertahankan posisinya adalah minimum. Simulated Annealing berjalan berdasarkan analogi dengan proses annealing yang telah dijelaskan di atas. Pada awal proses SA, dipilih suatu solusi awal, yang merepresentasikan kondisi materi sebelum proses dimulai. Gerakan bebas dari atom-atom pada materi, direpresentasikan dalam bentuk modifikasi terhadap solusi awal/solusi sementara. Pada awal proses SA, saat parameter suhu (T) diatur tinggi, solusi sementara yang sudah ada diperbolehkan untuk mengalami modifikasi secara bebas. Kebebasan ini secara relatif diukur berdasarkan nilai fungsi tertentu yang mengevaluasi seberapa optimal solusi sementara yang telah diperoleh. Bila nilai fungsi evaluasi hasil modifikasi ini membaik (dalam masalah optimisasi yang berusaha mencari minimum berarti nilainya lebih kecil/downhill) solusi hasil modifikasi ini akan digunakan sebagai solusi selanjutnya. Bila nilai fungsi evaluasi hasil modifikasi ini memburuk, pada saat temperatur annealing masih tinggi, solusi yang lebih buruk (uphill) ini masih mungkin diterima, sedangkan pada saat temperatur annealing sudah relatif rendah, solusi hasil modifikasi yang lebih buruk ini mungkin tidak dapat diterima. Dalam tahapan selanjutnya saat temperatur sedikit demi sedikit dikurangi, maka kemungkinan untuk menerima langkah modifikasi yang tidak memperbaiki nilai fungsi evaluasi semakin berkurang. Sehingga kebebasan untuk memodifikasi solusi semakin menyempit, sampai akhirnya diharapkan dapat diperoleh solusi yang mendekati solusi optimal. Pada temperatur rendah ini, SA biasanya menggunakan konsep Hill-Climbing.biasanya menggunakan konsep Hill-Climbing.
, Il simulated annealing (ricottura simulata … Il simulated annealing (ricottura simulata) è una strategia utilizzata per risolvere problemi di ottimizzazione, che mira a trovare un minimo globale quando si è in presenza di più minimi locali. Il concetto di annealing ("ricottura") deriva dalla scienza dei metalli, dov'è usato per descrivere il processo di eliminazione di difetti reticolari dai cristalli tramite riscaldamento seguito da lento raffreddamento. In questo caso un difetto reticolare corrisponde ad una combinazione errata di due oggetti (ad esempio una connessione errata di due neuroni all'interno di una rete neurale). neuroni all'interno di una rete neurale).
, Алгори́тм имита́ции о́тжига (англ. Simulated annealing) — общий алгоритмический метод решения задачи глобальной оптимизации, особенно дискретной и комбинаторной оптимизации. Один из примеров методов Монте-Карло.
, Simulated annealing (SA) is een generiek, … Simulated annealing (SA) is een generiek, probabilistisch heuristiek optimalisatiealgoritme gebruikt om een benadering van het van een gegeven functie in een grote te vinden. Het is onafhankelijk van elkaar uitgevonden door S. Kirkpatrick, C. D. Gelatt en M. P. Vecchi in 1983 en door V. Cerny in 1985. De naam en inspiratie komen van een Engelse term, 'annealing' (uitgloeien), binnen de metaalbewerking. Het betreft een techniek waarbij metaal verhit wordt en daarna gecontroleerd afgekoeld om de grootte van de kristallen binnen het materiaal te vergroten en daarmee het aantal defecten te verkleinen.daarmee het aantal defecten te verkleinen.
, Recozimento simulado (ou Simulated Anneali … Recozimento simulado (ou Simulated Annealing) é uma meta-heurística para otimização que consiste numa técnica de busca local probabilística, e se fundamenta numa analogia com a termodinâmica. A metaheurística usada é uma metáfora de um processo térmico, dito recozimento ou annealing, utilizado em metalurgia para obtenção de estados de baixa energia num sólido. O processo consiste de duas etapas: na primeira, a temperatura do sólido é aumentada para um valor próximo de 1100°C, que é a temperatura de início de transformação da fase perlítica em austenita; na segunda, o resfriamento deve ser realizado lentamente até que o material se solidifique, sendo acompanhado e controlado esse arrefecimento. Nesta segunda fase, executada lentamente, os átomos que compõem o material organizam-se numa estrutura uniforme com energia mínima. Isto resulta em que os átomos desse material ganhem energia para se movimentarem livremente e, ao arrefecer de forma controlada, dar-lhes uma melhor hipótese de se organizarem numa configuração com menor energia interna, para ter uma redução dos defeitos do material, como resultado prático. De forma análoga, o algoritmo de Arrefecimento Simulado substitui a solução atual por uma solução próxima (i.e., na sua vizinhança no espaço de soluções), escolhida de acordo com uma função objetivo e com uma variável (dita Temperatura, por analogia). Quanto maior for , maior a componente aleatória que será incluída na próxima solução escolhida. À medida que o algoritmo progride, o valor de é decrementado, começando o algoritmo a convergir para uma solução ótima, necessariamente local. Uma das principais vantagens deste algoritmo é permitir testar soluções mais distantes da solução atual e dar mais independência do ponto inicial da pesquisa.ndependência do ponto inicial da pesquisa.
, Simulated annealing (SA), también llamado … Simulated annealing (SA), también llamado recocido simulado, cristalización simulada o enfriamiento simulado, es un algoritmo de búsqueda metaheurística para problemas de optimización global; el objetivo general de este tipo de algoritmos es encontrar una buena aproximación al valor óptimo de una función en un espacio de búsqueda grande. Dicho "óptimo global" corresponde a la solución del problema de interés para el que no existe un mejor valor. En el caso de que tal problema sea de minimización, el óptimo global será aquél para el cual la función objetivo tenga el más pequeño posible de todos los de su ([[espacio de de busqueda]]). Por el contrario, para un problema de maxización, el óptimo global es aquél con el valor más alto posible. El nombre e inspiración de SA viene del proceso de recocido del acero y cerámicas, una técnica que consiste en calentar y luego enfriar lentamente el material para variar sus propiedades físicas. El calor causa que los átomos aumenten su energía y que puedan así desplazarse de sus posiciones iniciales (un mínimo local de energía); el enfriamiento lento les da mayores probabilidades de recristalizar en configuraciones con menor energía que la inicial (mínimo global). El método fue descrito independientemente por: 1) Scott Kirkpatrick, C. Daniel Gelatt y Mario P. Vecchi en 1983, y 2) por otro lado por Vlado Černý en 1985. El método SA es una adaptación del algoritmo Metropolis-Hastings, un método de Montecarlo utilizado para generar muestras de estados de un sistema termodinámico.s de estados de un sistema termodinámico.
, La recuita simulada (simulated annealing e … La recuita simulada (simulated annealing en anglès) és una tècnica de cerca utilitzada en informàtica o aplicacions d'intel·ligència artificial per trobar solucions aproximades a un problema d'optimització. Està basat en una tècnica de la que consisteix a escalfar i refredar lentament un material de manera que els àtoms s'alliberen de les seves posicions inicials i es mouen aleatòriament per l'espai donant-los més possibilitats (durant el refredament) a allotjar-se finalment en estats d'energia menors. L'algorisme consisteix a partir d'una solució inicial i després seleccionar una nova solució aleatòria propera a la solució inicial. Si la nova solució és millor que l'anterior, l'algorisme es mou cap al nou punt (solució), sinó té una certa probabilitat de quedar-se amb la solució anterior i una altra de moure's cap a la nova solució (encara que aquesta sigui pitjor). Aquest procés es repeteix fins que es doni la condició d'acabament que normalment és un temps determinat, un nombre d'iteracions o un cert nivell de qualitat de la solució. La probabilitat de moure's cap a posicions "pitjors" serveix per a evitar que l'algorisme quedi estancat en òptims locals o zones planes i busqui la solució final d'una manera global.squi la solució final d'una manera global.
, En algorithmique, le recuit simulé est une … En algorithmique, le recuit simulé est une méthode empirique (métaheuristique) d'optimisation, inspirée d'un processus, le recuit, utilisé en métallurgie. On alterne dans cette dernière des cycles de refroidissement lent et de réchauffage (recuit) qui ont pour effet de minimiser l'énergie du matériau. Cette méthode est transposée en optimisation pour trouver les extrema d'une fonction. Elle a été mise au point par trois chercheurs de la société IBM, S. Kirkpatrick, C.D. Gelatt et M.P. Vecchi en 1983, et indépendamment par V. Černy en 1985. La méthode vient du constat que le refroidissement naturel de certains métaux ne permet pas aux atomes de se placer dans la configuration la plus solide. La configuration la plus stable est atteinte en maîtrisant le refroidissement et en le ralentissant par un apport de chaleur externe, ou bien par une isolation.haleur externe, ou bien par une isolation.
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Travelling_salesman_problem_solved_with_simulated_annealing.gif?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
http://www.mathworks.com/matlabcentral/fileexchange/loadFile.do%3FobjectId=10548&objectType=file +
, ftp://nozdr.ru/biblio/kolxoz/M/MP/Das%20A.%2C%20Chakrabarti%20B.K.%20%28eds.%29%20Quantum%20Annealing%20and%20Related%20Optimization%20Methods%20%28LNP0679%2C%20Springer%2C%202005%29%28384s%29_MP_.pdf +
, https://ieeexplore.ieee.org/document/4358775 +
, https://arstechnica.com/science/news/2009/12/uncertainty-hovers-over-claim-googles-using-quantum-computer.ars +
, http://apps.nrbook.com/empanel/index.html%23pg=549 +
, http://www.heatonresearch.com/aifh/vol1/tsp_anneal.html +
, http://www.foibg.com/ijita/vol01-09/ijita-fv06.htm +
|
| http://dbpedia.org/ontology/wikiPageID
|
172244
|
| http://dbpedia.org/ontology/wikiPageLength
|
34826
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1115450447
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Metaheuristic +
, http://dbpedia.org/resource/Boolean_satisfiability_problem +
, http://dbpedia.org/resource/Particle_swarm_optimization +
, http://dbpedia.org/resource/Intelligent_water_drops_algorithm +
, http://dbpedia.org/resource/Hamiltonian_%28quantum_mechanics%29 +
, http://dbpedia.org/resource/File:3D_TSP_solved_with_simulated_annealing_2.5_MB.gif +
, http://dbpedia.org/resource/Thermodynamic_equilibrium +
, http://dbpedia.org/resource/Global_optimum +
, http://dbpedia.org/resource/Memetic_algorithms +
, http://dbpedia.org/resource/Molecular_dynamics +
, http://dbpedia.org/resource/Procedural_parameter +
, http://dbpedia.org/resource/Dual-phase_evolution +
, http://dbpedia.org/resource/Global_optimization +
, http://dbpedia.org/resource/Stochastic_tunneling +
, http://dbpedia.org/resource/Tabu_search +
, http://dbpedia.org/resource/Nicholas_Metropolis +
, http://dbpedia.org/resource/Graduated_optimization +
, http://dbpedia.org/resource/Metropolis%E2%80%93Hastings_algorithm +
, http://dbpedia.org/resource/Category:Metaheuristics +
, http://dbpedia.org/resource/Quantum_annealing +
, http://dbpedia.org/resource/Crystalline_solid +
, http://dbpedia.org/resource/Travelling_salesman_problem +
, http://dbpedia.org/resource/Branch_and_Bound +
, http://dbpedia.org/resource/Multidisciplinary_optimization +
, http://dbpedia.org/resource/Runner-root_algorithm +
, http://dbpedia.org/resource/Wikiversity:Simulated_Annealing_Project +
, http://dbpedia.org/resource/File:Hill_Climbing_with_Simulated_Annealing.gif +
, http://dbpedia.org/resource/Adaptive_simulated_annealing +
, http://dbpedia.org/resource/Gradient_descent +
, http://dbpedia.org/resource/File:Travelling_salesman_problem_solved_with_simulated_annealing.gif +
, http://dbpedia.org/resource/Sequential_Monte_Carlo_method +
, http://dbpedia.org/resource/LIONsolver +
, http://dbpedia.org/resource/Greedy_algorithm +
, http://dbpedia.org/resource/Probabilistic +
, http://dbpedia.org/resource/Place_and_route +
, http://dbpedia.org/resource/Brute-force_search +
, http://dbpedia.org/resource/Physical_system +
, http://dbpedia.org/resource/Job-shop_scheduling +
, http://dbpedia.org/resource/Parallel_tempering +
, http://dbpedia.org/resource/State_transition +
, http://dbpedia.org/resource/Ant_colony_optimization +
, http://dbpedia.org/resource/Multi-objective_optimization +
, http://dbpedia.org/resource/Combinatorial_optimization +
, http://dbpedia.org/resource/Potential_energy +
, http://dbpedia.org/resource/Heuristic +
, http://dbpedia.org/resource/Protein_structure_prediction +
, http://dbpedia.org/resource/Internal_energy +
, http://dbpedia.org/resource/Optimization_problem +
, http://dbpedia.org/resource/Color +
, http://dbpedia.org/resource/Cross-entropy_method +
, http://dbpedia.org/resource/Thermodynamic_state +
, http://dbpedia.org/resource/Drainage_basin +
, http://dbpedia.org/resource/Function_%28mathematics%29 +
, http://dbpedia.org/resource/Harmony_search +
, http://dbpedia.org/resource/Stochastic_optimization +
, http://dbpedia.org/resource/Genetic_algorithms +
, http://dbpedia.org/resource/Hill_climbing +
, http://dbpedia.org/resource/Uniform_distribution_%28continuous%29 +
, http://dbpedia.org/resource/Probabilistic_algorithm +
, http://dbpedia.org/resource/Automatic_label_placement +
, http://dbpedia.org/resource/Amorphous_solid +
, http://dbpedia.org/resource/Category:Monte_Carlo_methods +
, http://dbpedia.org/resource/Graph_cuts_in_computer_vision +
, http://dbpedia.org/resource/Local_optimum +
, http://dbpedia.org/resource/Category:Optimization_algorithms_and_methods +
, http://dbpedia.org/resource/Solution_space +
, http://dbpedia.org/resource/Permutation +
, http://dbpedia.org/resource/Markov_chain +
, http://dbpedia.org/resource/Traveling_salesman_problem +
, http://dbpedia.org/resource/Annealing_%28metallurgy%29 +
, http://dbpedia.org/resource/Pixel +
, http://dbpedia.org/resource/Monte_Carlo_method +
, http://dbpedia.org/resource/Steepest_descent +
|
| http://dbpedia.org/property/align
|
right
|
| http://dbpedia.org/property/alt
|
Slow
, Fast
|
| http://dbpedia.org/property/caption
|
Slow
, Fast
|
| http://dbpedia.org/property/footer
|
Example illustrating the effect of cooling … Example illustrating the effect of cooling schedule on the performance of simulated annealing. The problem is to rearrange the pixels of an image so as to minimize a certain potential energy function, which causes similar colors to attract at short range and repel at a slightly larger distance. The elementary moves swap two adjacent pixels. These images were obtained with a fast cooling schedule and a slow cooling schedule , producing results similar to amorphous and crystalline solids, respectively.hous and crystalline solids, respectively.
|
| http://dbpedia.org/property/image
|
SimulatedAnnealingFast.jpg
, SimulatedAnnealingSlow.jpg
|
| http://dbpedia.org/property/imageGap
|
1
|
| http://dbpedia.org/property/totalWidth
|
400
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Cite_journal +
, http://dbpedia.org/resource/Template:Columns-list +
, http://dbpedia.org/resource/Template:Snd +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:= +
, http://dbpedia.org/resource/Template:Multiple_image +
, http://dbpedia.org/resource/Template:Mvar +
, http://dbpedia.org/resource/Template:Framebox +
, http://dbpedia.org/resource/Template:Frame-footer +
, http://dbpedia.org/resource/Template:More_citations_needed +
, http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:Code +
, http://dbpedia.org/resource/Template:Major_subfields_of_optimization +
, http://dbpedia.org/resource/Template:Other_uses +
, http://dbpedia.org/resource/Template:Math +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Optimization_algorithms_and_methods +
, http://dbpedia.org/resource/Category:Monte_Carlo_methods +
, http://dbpedia.org/resource/Category:Metaheuristics +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Technique +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Simulated_annealing?oldid=1115450447&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Hill_Climbing_with_Simulated_Annealing.gif +
, http://commons.wikimedia.org/wiki/Special:FilePath/SimulatedAnnealingFast.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/SimulatedAnnealingSlow.jpg +
, http://commons.wikimedia.org/wiki/Special:FilePath/3D_TSP_solved_with_simulated_annealing_2.5_MB.gif +
, http://commons.wikimedia.org/wiki/Special:FilePath/Travelling_salesman_problem_solved_with_simulated_annealing.gif +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Simulated_annealing +
|
| owl:sameAs |
http://zh.dbpedia.org/resource/%E6%A8%A1%E6%8B%9F%E9%80%80%E7%81%AB +
, https://global.dbpedia.org/id/51wEE +
, http://nl.dbpedia.org/resource/Simulated_annealing +
, http://de.dbpedia.org/resource/Simulated_Annealing +
, http://ko.dbpedia.org/resource/%EB%8B%B4%EA%B8%88%EC%A7%88_%EA%B8%B0%EB%B2%95 +
, http://cs.dbpedia.org/resource/Simulovan%C3%A9_%C5%BE%C3%ADh%C3%A1n%C3%AD +
, http://ar.dbpedia.org/resource/%D8%AA%D8%AE%D9%85%D9%8A%D8%B1_%D9%85%D8%AD%D8%A7%D9%83%D9%89 +
, http://th.dbpedia.org/resource/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%88%E0%B8%B3%E0%B8%A5%E0%B8%AD%E0%B8%87%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%AD%E0%B8%9A%E0%B9%80%E0%B8%AB%E0%B8%99%E0%B8%B5%E0%B8%A2%E0%B8%A7 +
, http://ru.dbpedia.org/resource/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%D0%B8%D0%BC%D0%B8%D1%82%D0%B0%D1%86%D0%B8%D0%B8_%D0%BE%D1%82%D0%B6%D0%B8%D0%B3%D0%B0 +
, http://fr.dbpedia.org/resource/Recuit_simul%C3%A9 +
, http://pt.dbpedia.org/resource/Simulated_annealing +
, http://rdf.freebase.com/ns/m.01758y +
, http://dbpedia.org/resource/Simulated_annealing +
, http://uk.dbpedia.org/resource/%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC_%D1%96%D0%BC%D1%96%D1%82%D0%B0%D1%86%D1%96%D1%97_%D0%B2%D1%96%D0%B4%D0%BF%D0%B0%D0%BB%D1%83 +
, http://fa.dbpedia.org/resource/%D8%A7%D9%84%DA%AF%D9%88%D8%B1%DB%8C%D8%AA%D9%85_%D8%AA%D8%A8%D8%B1%DB%8C%D8%AF_%D8%B4%D8%A8%DB%8C%D9%87%E2%80%8C%D8%B3%D8%A7%D8%B2%DB%8C%E2%80%8C%D8%B4%D8%AF%D9%87 +
, http://yago-knowledge.org/resource/Simulated_annealing +
, http://pl.dbpedia.org/resource/Symulowane_wy%C5%BCarzanie +
, http://bg.dbpedia.org/resource/%D0%A1%D0%B8%D0%BC%D1%83%D0%BB%D0%B8%D1%80%D0%B0%D0%BD%D0%BE_%D0%B7%D0%B0%D0%BA%D0%B0%D0%BB%D1%8F%D0%B2%D0%B0%D0%BD%D0%B5 +
, http://es.dbpedia.org/resource/Algoritmo_de_recocido_simulado +
, http://da.dbpedia.org/resource/Simuleret_udgl%C3%B8dning +
, http://tr.dbpedia.org/resource/Benzetilmi%C5%9F_tavlama +
, http://ja.dbpedia.org/resource/%E7%84%BC%E3%81%8D%E3%81%AA%E3%81%BE%E3%81%97%E6%B3%95 +
, http://id.dbpedia.org/resource/Simulated_annealing +
, http://www.wikidata.org/entity/Q863783 +
, http://ca.dbpedia.org/resource/Recuita_simulada +
, http://it.dbpedia.org/resource/Simulated_annealing +
|
| rdf:type |
http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/WikicatHeuristicAlgorithms +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/class/yago/Cognition100023271 +
, http://dbpedia.org/class/yago/Procedure101023820 +
, http://dbpedia.org/class/yago/WikicatOptimizationAlgorithmsAndMethods +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/WikicatHeuristics +
, http://dbpedia.org/class/yago/Heuristic105847956 +
, http://dbpedia.org/class/yago/WikicatMonteCarloMethods +
, http://dbpedia.org/ontology/TopicalConcept +
, http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/class/yago/WikicatSearchAlgorithms +
, http://dbpedia.org/class/yago/Ability105616246 +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Method105660268 +
, http://dbpedia.org/class/yago/Know-how105616786 +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
|
| rdfs:comment |
Symulowane wyżarzanie – rodzaj algorytmu h … Symulowane wyżarzanie – rodzaj algorytmu heurystycznego przeszukującego przestrzeń dopuszczalnych rozwiązań problemu w celu wyszukania rozwiązań najlepszych. Sposób działania symulowanego wyżarzania nieprzypadkowo przypomina zjawisko wyżarzania w metalurgii.zypomina zjawisko wyżarzania w metalurgii.
, Recozimento simulado (ou Simulated Anneali … Recozimento simulado (ou Simulated Annealing) é uma meta-heurística para otimização que consiste numa técnica de busca local probabilística, e se fundamenta numa analogia com a termodinâmica. A metaheurística usada é uma metáfora de um processo térmico, dito recozimento ou annealing, utilizado em metalurgia para obtenção de estados de baixa energia num sólido. O processo consiste de duas etapas: na primeira, a temperatura do sólido é aumentada para um valor próximo de 1100°C, que é a temperatura de início de transformação da fase perlítica em austenita; na segunda, o resfriamento deve ser realizado lentamente até que o material se solidifique, sendo acompanhado e controlado esse arrefecimento. Nesta segunda fase, executada lentamente, os átomos que compõem o material organizam-se numa estr compõem o material organizam-se numa estr
, 焼きなまし法（やきなましほう、英: Simulated Annealing、SAと略 … 焼きなまし法（やきなましほう、英: Simulated Annealing、SAと略記、疑似アニーリング法、擬似焼きなまし法、シミュレーティド・アニーリングともいう）は、大域的最適化問題への汎用の乱択アルゴリズムである。広大な探索空間内の与えられた関数の大域的最適解に対して、よい近似を与える。 S. Kirkpatrick、C. D. Gelatt、M. P. Vecchiらが1983年に考案し、1985年に V. Cerny が再発見した。 その名称は、金属工学における焼きなましから来ている。焼きなましは、金属材料を熱した後で徐々に冷やし、結晶を成長させてその欠陥を減らす作業である。熱によって原子は初期の位置（内部エネルギーがローカルな極小状態）から離され、よりエネルギーの高い状態をうろつく。ゆっくり冷却することで、原子は初期状態よりも内部エネルギーがさらに極小な状態を得る可能性が多くなる。ことで、原子は初期状態よりも内部エネルギーがさらに極小な状態を得る可能性が多くなる。
, La recuita simulada (simulated annealing e … La recuita simulada (simulated annealing en anglès) és una tècnica de cerca utilitzada en informàtica o aplicacions d'intel·ligència artificial per trobar solucions aproximades a un problema d'optimització. Està basat en una tècnica de la que consisteix a escalfar i refredar lentament un material de manera que els àtoms s'alliberen de les seves posicions inicials i es mouen aleatòriament per l'espai donant-los més possibilitats (durant el refredament) a allotjar-se finalment en estats d'energia menors.r-se finalment en estats d'energia menors.
, طريقة التخمير المحاكى هي طريقة محاكاة رياضية مبدؤها مستمدّ من طريقة التخمير المستخدمة كإحدى طرق معالجة المعادن حرارياً. في طريقة المعالجة هذه تتناوب دورات التبريد البطيء وإعادة التسخين (التخمير) بحيث يتم الوصول إلى وضعية تكون فيها الطاقة أصغرية.
, Il simulated annealing (ricottura simulata … Il simulated annealing (ricottura simulata) è una strategia utilizzata per risolvere problemi di ottimizzazione, che mira a trovare un minimo globale quando si è in presenza di più minimi locali. Il concetto di annealing ("ricottura") deriva dalla scienza dei metalli, dov'è usato per descrivere il processo di eliminazione di difetti reticolari dai cristalli tramite riscaldamento seguito da lento raffreddamento. In questo caso un difetto reticolare corrisponde ad una combinazione errata di due oggetti (ad esempio una connessione errata di due neuroni all'interno di una rete neurale). neuroni all'interno di una rete neurale).
, Алгоритм імітації відпалу (англ. Simulated … Алгоритм імітації відпалу (англ. Simulated annealing) - загальний алгоритмічний метод розв'язання задачі глобальної оптимізації, особливо дискретної та комбінаторної оптимізації, в якому процедура пошуку глобального розв'язку імітує фізичний процес відпалу. Він часто використовується, коли пошук наближеного глобального оптимуму важливіший, ніж пошук точного локального оптимуму за встановлений проміжок часу. Метод є адаптацією алгоритму Метрополіс–Гастінгс, методу Монте-Карло для генерування зразкових станів термодинамічної системи, опублікованого Ніколас Метрополіс у 1953 році.лікованого Ніколас Метрополіс у 1953 році.
, Simulated annealing (SA) is a probabilisti … 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 for an optimization problem. It is often used when the search space is discrete (for example the traveling salesman problem, the boolean satisfiability problem, protein structure prediction, and job-shop scheduling). For problems where finding an approximate global optimum is more important than finding a precise local optimum in a fixed amount of time, simulated annealing may be preferable to exact algorithms such as gradient descent or branch and bound.h as gradient descent or branch and bound.
, Алгори́тм имита́ции о́тжига (англ. Simulated annealing) — общий алгоритмический метод решения задачи глобальной оптимизации, особенно дискретной и комбинаторной оптимизации. Один из примеров методов Монте-Карло.
, Simulated annealing (SA) is een generiek, … Simulated annealing (SA) is een generiek, probabilistisch heuristiek optimalisatiealgoritme gebruikt om een benadering van het van een gegeven functie in een grote te vinden. Het is onafhankelijk van elkaar uitgevonden door S. Kirkpatrick, C. D. Gelatt en M. P. Vecchi in 1983 en door V. Cerny in 1985.. Vecchi in 1983 en door V. Cerny in 1985.
, Simulated annealing (SA), también llamado … Simulated annealing (SA), también llamado recocido simulado, cristalización simulada o enfriamiento simulado, es un algoritmo de búsqueda metaheurística para problemas de optimización global; el objetivo general de este tipo de algoritmos es encontrar una buena aproximación al valor óptimo de una función en un espacio de búsqueda grande. Dicho "óptimo global" corresponde a la solución del problema de interés para el que no existe un mejor valor. En el caso de que tal problema sea de minimización, el óptimo global será aquél para el cual la función objetivo tenga el más pequeño posible de todos los de su ([[espacio de de busqueda]]). Por el contrario, para un problema de maxización, el óptimo global es aquél con el valor más alto posible.al es aquél con el valor más alto posible.
, Simulated annealing (SA) adalah salah satu … Simulated annealing (SA) adalah salah satu algoritme untuk optimisasi yang bersifat generik. Berbasiskan probabilitas dan mekanika statistik, algoritme ini dapat digunakan untuk mencari pendekatan terhadap solusi optimum global dari suatu permasalahan. Masalah yang membutuhkan pendekatan SA adalah masalah-masalah optimisasi kombinatorial, di mana ruang pencarian solusi yang ada terlalu besar, sehingga hampir tidak mungkin ditemukan solusi eksak terhadap permasalahan itu. Publikasi tentang pendekatan ini pertama kali dilakukan oleh S. Kirkpatrick, C. D. Gelatt dan M. P. Vecchi, diaplikasikan pada desain optimal hardware komputer, dan juga pada salah satu masalah klasik ilmu komputer yaitu Traveling Salesman Problem.komputer yaitu Traveling Salesman Problem.
, 模擬退火（英語：Simulated annealing，缩写作SA）是一種通用概率演算法，常用來在一定時間內尋找在一個很大中的近似。模擬退火在1983年为S. Kirkpatrick, C. D. Gelatt和M. P. Vecchi所發明，V. Černý也在1985年獨立發明此演算法。
, 담금질 기법(Simulated Annealing, SA)은 문제에 대한 일반 … 담금질 기법(Simulated Annealing, SA)은 문제에 대한 일반적인 확률적 메타 알고리즘이다. 이 기법은 광대한 안에서, 주어진 함수의 에 대한 좋은 근사를 준다. 커크패트릭, 젤라트, 베키가 1983년에 고안했다. 보통 영어를 그냥 읽어서 시뮬레이티드 어닐링이라고 부른다. 담금질 기법이라는 말은 금속 공학의 담금질(quenching)에서 왔는데, 이는 풀림(annealing)의 오역이다. 풀림은 금속재료를 가열한 다음 조금씩 냉각해 결정을 성장시켜 그 결함을 줄이는 작업이다. 열에 의해서 원자는 초기의 위치(내부 에너지가 극소점에 머무르는 상태)로부터 멀어져 에너지가 더욱 높은 상태로 추이된다. 천천히 냉각함으로써 원자는 초기 상태보다 내부 에너지가 한층 더 극소인 상태를 얻을 가능성이 많아진다.초기 상태보다 내부 에너지가 한층 더 극소인 상태를 얻을 가능성이 많아진다.
, Simulované žíhání (SA) (Simulated annealin … Simulované žíhání (SA) (Simulated annealing) je heuristická optimalizační metoda, řadící se mezi tzv. , inspirovaná žíháním kovových slitin s cílem získání jejich optimálních vlastností, užívaná k řešení složitých optimalizačních úloh, které nelze řešit konvenčními metodami jako např. metoda Lagrangeových multiplikátorů, lineární programování, kvadratické programování atd.rogramování, kvadratické programování atd.
, Simulated Annealing (simulierte/-s Abkühlu … Simulated Annealing (simulierte/-s Abkühlung/Ausglühen) ist ein heuristisches Approximationsverfahren. Es wird zum Auffinden einer Näherungslösung von Optimierungsproblemen eingesetzt, die durch ihre hohe Komplexität das vollständige Ausprobieren aller Möglichkeiten und mathematische Optimierungsverfahren ausschließen. Der Algorithmus wird beispielsweise beim Floorplanning im Laufe eines Chipentwurfs oder für die Standort- und Routenplanung verwendet. Es gibt auch Quantenversionen von Annealing (mit Tunnelung zwischen den Minima), eingeführt in den 1990er Jahren. Minima), eingeführt in den 1990er Jahren.
, En algorithmique, le recuit simulé est une … En algorithmique, le recuit simulé est une méthode empirique (métaheuristique) d'optimisation, inspirée d'un processus, le recuit, utilisé en métallurgie. On alterne dans cette dernière des cycles de refroidissement lent et de réchauffage (recuit) qui ont pour effet de minimiser l'énergie du matériau. Cette méthode est transposée en optimisation pour trouver les extrema d'une fonction. Elle a été mise au point par trois chercheurs de la société IBM, S. Kirkpatrick, C.D. Gelatt et M.P. Vecchi en 1983, et indépendamment par V. Černy en 1985.3, et indépendamment par V. Černy en 1985.
|
| rdfs:label |
Алгоритм імітації відпалу
, Recuit simulé
, 담금질 기법
, Алгоритм имитации отжига
, Simulated annealing
, 焼きなまし法
, تخمير محاكى
, Recuita simulada
, 模拟退火
, Simulované žíhání
, Symulowane wyżarzanie
, Algoritmo de recocido simulado
, Simulated Annealing
|
