最優化基礎(3):模擬退火算法(STOCHASTIC APPROACH GENETIC ALGORITHMS AND SIMULATED ANNEALING)

這裏是囉裏囉嗦的前言:想當初大學做的機器人項目是基於模擬退火算法的嗅覺機器人尋找氣味源。當時在電子院的我們整個團伙其實都是對於硬件比較熟悉,如何組裝一個智能小車還是蠻熟悉的,設計尋找氣味源的算法當時一臉懵逼。甚至連梯度下降都沒有概念。嗚嗚嗚,今日回首當初真的是菜,這明明是最優化理論裏面比較基本的算法。而且當初比較搞笑的是老師要求我們用MATLAB實現模擬退火算法的時候,我感性的大腦竟然在思考如何在Matlab裏面模擬氣味呢?並且百思不得其解。現在想來不過是一個三維函數的問題麼,當初爲甚腦子如此軸?

MOTIVATIONS

Before this chapter,when we solve the optimization problem,we use direct method or we could not avoid calculate ddx\frac{d}{dx}

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章