×
周恩禄;陈曦

序贯蒙特卡罗模拟退火。 （英文） Zbl 1283.90032号

J.全球。最佳方案。 55，第1期，101-124（2013）.
摘要：我们提出了一种基于种群的连续全局优化算法，序列蒙特卡罗模拟退火（SMC-SA）。SMC-SA结合了序列蒙特卡罗方法来跟踪模拟退火中玻尔兹曼分布的收敛序列。我们证明了SMC-SA得出的经验分布与Boltzmann分布之间差异的上界，这为温度冷却计划的选择和每次迭代使用的样本数量提供了指导。我们还证明了当样本量足够大时，SMC-SA方法比多阶段模拟退火方法更好。

引用于4文件

MSC公司：

90C26型 非凸规划，全局优化
90 C59 数学规划中的近似方法和启发式

关键词：

模拟退火;序贯蒙特卡罗;多段模拟退火

软件：

西蒙90;Maple的全局优化工具箱
PDF格式BibTeX公司 XML格式引用
\textit{E.Zhou}和\textit{X.Chen}，J.Glob。最佳方案。55，第1号，101--124（2013；Zbl 1283.90032）
全文： 内政部

参考文献：

[1] Alazamir，S.、Rebennack，S.和Pardalos，P.M.：第18章：使用最优停止问题改进模拟退火中的邻域选择策略。In：全局优化：专注于模拟退火。《能源系统》，第363–382页。I-Tech教育与出版（2008）
[2] Anily S.，Federgruen A.：具有一般接受概率的模拟退火方法。J.应用。普罗巴伯。24(3), 657–667 (1987) ·Zbl 0628.60046号 ·doi:10.2307/3214097
[3] Belisle C.J.P.：R d上一类模拟退火算法的收敛定理。J.应用。普罗巴伯。29, 885–895 (1992) ·Zbl 0765.65059号 ·doi:10.2307/3214721
[4] CappéO.，Godsil S.J.，Moulines E.：序列蒙特卡罗的现有方法和最新进展概述。程序。IEEE 95（5），899–924（2007年）·doi:10.1109/JPROC.2007.893250
[5] Chu K.W.，Deng Y.，Reinitzy J.：状态混合的并行模拟退火。J.计算。物理学。148, 646–662 (1999) ·Zbl 0920.65040号 ·doi:10.1006/jcph.1998.6134
[6] Corana A.，Marchesi M.，Martini C.，Ridella S.：用模拟退火算法最小化连续变量的多峰函数。ACM事务处理。数学。柔和。13(3), 208–262 (1987) ·Zbl 0632.65075号 ·doi:10.1145/29380.29864
[7] DeBoer P.T.、Kroese D.P.、Mannor S.、Rubinstein R.Y.：交叉熵方法教程。安·Oper。第134、19-67号决议（2005年）·Zbl 1075.90066号 ·doi:10.1007/s10479-005-5724-z
[8] Dekkers A.，Aarts E.：全局优化和模拟退火。数学。程序。50(3), 367–393 (1991) ·Zbl 0753.90060号 ·doi:10.1007/BF01594945
[9] Doucet，A.，deFreitas，J.F.G.，Gordon，N.J.（编辑）：实践中的序贯蒙特卡罗方法。施普林格，纽约（2001）
[10] Doucet A.，Godsil S.，Andrieu C.：关于贝叶斯滤波的连续蒙特卡罗采样方法。统计计算。10(3), 197–208 (2000) ·doi:10.1023/A:1008935410038
[11] Geman S.，Geman D.：随机松弛、吉布斯分布和图像的贝叶斯恢复。IEEE传输。模式分析。机器。智力。6(6), 721–741 (1984) ·Zbl 0573.62030号 ·doi:10.1109/TPAMI.1984.4767596
[12] 非平稳马尔可夫链和退火算法的收敛性。《统计物理学杂志》。39(1–2), 73–131 (1985) ·Zbl 0642.60049号 ·doi:10.1007/BF01007975
[13] Gilks W.，Berzuini C.：跟踪移动目标——动态贝叶斯模型的蒙特卡罗推断。J.R.Stat.Soc.63（1），127–146（2001）·Zbl 0976.62021号 ·doi:10.1111/1467-9868.00280
[14] Gordon N.J.、Salmond D.J.、Smith A.F.M.：非线性/非高斯贝叶斯状态估计的新方法。IEE程序。F（雷达信号处理）140（2），107–113（1993）·doi:10.1049/ip-f-2.1993.0015
[15] Hajek B.：最佳退火的冷却时间表。数学。操作。第13（2）号决议，311-329（1988年）·Zbl 0652.65050号 ·doi:10.1287/门13.2.311
[16] Henderson，D.，Jacobson，S.H.，Johnson，A.W.：元启发式手册，运筹学国际丛书第57卷；管理科学，《模拟退火的理论与实践》一章，第287–319页。斯普林格（2003）·Zbl 1102.90381号
[17] Kirkpatrick S.，Gelatt C.D.，Vecchi M.P.Jr.：模拟退火优化。科学220（4598），671–680（1983）·Zbl 1225.90162号 ·doi:10.1212/科学220.4598.671
[18] Kroese D.P.，Porotsky S.，Rubinstein R.Y.：连续多极值优化的交叉熵方法。Methodol公司。计算。申请。普罗巴伯。8(3), 383–407 (2006) ·Zbl 1107.65049号 ·doi:10.1007/s11009-006-9753-0
[19] Liu J.，Chen R.：动态系统的序贯蒙特卡罗方法。《美国统计协会期刊》93（443），1032-1044（1998）·Zbl 1064.65500号 ·doi:10.1080/01621459.1998.10473765
[20] Locatelli M.：连续全局优化模拟退火的收敛特性。J.应用。普罗巴伯。33, 1127–1140 (1996) ·Zbl 0879.60007号 ·doi:10.2307/3214991
[21] Locatelli M.：连续全局优化的模拟退火算法：收敛条件。J.优化。理论应用。104(1), 121–133 (2000) ·Zbl 0970.90102号 ·doi:10.1023/A:1004680806815
[22] Mahfoud S.W.，Goldberg D.E.：并行重组模拟退火：一种遗传算法。并行计算。21, 1–28 (1995) ·Zbl 0875.68482号 ·doi:10.1016/0167-8191（94）00071-H
[23] Metropolis N.、Rosenbluth A.W.、Rosenbruth M.N.、Teller A.H.和Teller E.：快速计算机器的状态方程计算。化学杂志。物理学。21(6), 1087–1092 (1953) ·数字对象标识代码：10.1063/1.1699114
[24] Molvalioglu，O.，Zabinsky，Z.B.，Kohn，W.：《全局优化的模型和算法》，《Springer优化及其应用》第4卷，多粒子模拟退火章节，第215-222页。施普林格（2007）·Zbl 1267.90179号
[25] Molvalioglu O.，Zabinsky Z.B.，Kohn W.：具有动态加热和冷却的交互粒子算法。J.全球优化。43(2–3), 329–356 (2009) ·Zbl 1169.90455号 ·doi:10.1007/s10898-008-9292-z
[26] Del Moral P.：Feynman-Kac公式：谱系和相互作用粒子系统及其应用。施普林格，纽约（2004）·Zbl 1130.60003号
[27] Del Moral P.，Doucet A.，France T.：序贯蒙特卡罗采样器。J.R.统计社会服务。B 68（3），411-436（2006）·Zbl 1105.62034号 ·文件编号：10.1111/j.1467-9868.2006.00553.x
[28] Onbašolu E.，L.：全局优化中的并行模拟退火算法。J.全球优化。19(1), 27–50 (2001) ·Zbl 1168.90660号 ·doi:10.1023/A:1008350810199
[29] Pardalos，P.M.，Romeijn，H.E.（编辑）：《全局优化手册》，第2卷。Kluwer，Dordrecht（2002）·Zbl 0991.00017号
[30] Pintér J.D.：全球优化行动。Kluwer，Dordrecht，The Neitherlands（1996年）·Zbl 0842.90110号
[31] Robert C.P.，Casella G.：蒙特卡洛统计方法。统计中的斯普林格文本。施普林格，纽约（2004年）
[32] Roberts G.，Rosenthal J.S.：一般状态空间马尔可夫链和MCMC算法。普罗巴伯。Surv公司。1, 20–71 (2004) ·Zbl 1189.60131号 ·doi:10.1214/15495780410000024
[33] Romeijn H.E.，Smith R.L.：约束全局优化的模拟退火。J.全球优化。5(2), 101–126 (1994) ·Zbl 0819.90103号 ·doi:10.1007/BF01100688
[34] Rubinstein R.Y.：用于组合和连续优化的交叉熵方法。Methodol公司。计算。申请。普罗巴伯。1(2), 127–190 (1999) ·Zbl 0941.65061号 ·doi:10.1023/A:101091220143
[35] Rubinstein R.Y.：组合优化，蚂蚁和罕见事件。收录于：Uryasev，S.，Pardalos，P.M.（编辑）《随机优化：算法和应用》，第304–358页。Kluwer，Dordrecht，荷兰（2001）
[36] Ruppiener G.，Pedersen J.M.，Salamon P.：模拟退火的集合方法。《物理学杂志》I 1455-470（1991）
[37] Spall，J.C.：随机搜索和优化简介：估计、模拟和控制。离散数学与优化中的Wiley Interscience系列。威利（2005）·邮编1088.90002
[38] van Hentenryck，P.，Vergados，Y.：旅游锦标赛的基于人口的模拟退火。摘自：《第22届全国人工智能会议记录》，第1卷，第267–272页（2007年）
[39] van Laarhoven P.J.M.，Aarts E.H.L.：模拟退火：理论与应用。柏林施普林格（1987）·Zbl 0643.65028号
[40] Yang R.L.：连续全局优化的模拟退火算法的收敛性。J.优化。理论。申请。104(3), 691–716 (2000) ·Zbl 1060.90085号 ·doi:10.1023/A:1004697811243
[41] Yao，X.，Liu，Y.：快速进化编程。摘自：《第五届进化规划年会论文集》，第451-460页。麻省理工学院出版社，剑桥（1996）
[42] Zhigljavsky A.A.：全球随机搜索理论。多德雷赫特·克鲁沃（1991）
[43] Zhiljavsky，A.，Zilinskas，A.：《随机全局优化》，《Springer优化及其应用》第9卷。施普林格（2008）
[44] Zhou，E.，Chen，X.：一种新的基于种群的模拟退火算法。摘自：《2010年冬季模拟会议记录》，第1211-1222页（2010年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。