基于Cauchy和Gaussian分布状态发生器的模拟退火算法

模拟退火 (SA )算法是一种常用的概率性全局优化算法 ,但其搜索行为和优化性能对参数有严重的依赖性 ,其中状态发生器的设计最为关键。论文主要研究函数优化中基于 Cauchy分布的状态发生器 (SGC)和基于 Gaussian分布的状态发生器 (SGG)对 SA算法性能的影响。对分布机制的研究表明 ,SGC有利于大范围搜索和脱离极小区域 ,而SGG较适合于局部搜索。对不同复杂度的典型问题的仿真表明 ,优化简单单极小问题时 SGC的优化效率优于基于SGG,优化复杂多极小或存在平坦区的简单问题时 SGC的优化度和鲁棒性均优于 SGG。进而利用对尺度参数的“退温”控制 ,提出了 SGC的改进策略 ,较大程度上提高了优化度和鲁棒性。