Co je simulované žíhání?
Simulované žíhání je počítačová technika, která může najít dobré - i když ne nutně optimální - řešení problému. Je to tak pojmenováno, protože napodobuje metalurgický proces žíhání. V kovech je žíhání procesem čištění zahříváním kovu a poté jej pomalu ochlazuje. Počítačový program „čistí“ prostor řešení, dokud zůstanou pouze řešení, která jsou nejlepší nebo téměř téměř nejlepší.
Existují dva kritické faktory, které uživatel simulovaného žíhacího programu musí specifikovat: počáteční teplota nebo procento horších řešení, která lze prozkoumat; a míra chlazení, což je míra, při které se toto procento sníží. Nízká počáteční teplota často skončí s výsledkem daleko od optimálního. Počínaje velmi vysokou teplotou může vést k tomu, že vyhledávání trvá mnohem více času, než je nutné. Podobně bude to příliš vysoká míra chlazení přinést špatné výsledky, zatímco velmi nízká míra chlazení bude mít za následekprogram, který běží velmi dlouho.
Stav „vysoké teploty“ pro simulovaný žíhací program je nastavení, které mu umožňuje podívat se na širokou škálu řešení, včetně mnoha, které jsou horší než řešení, která již našla. Počítač se může dívat na mnoho řešení, která jsou horší než současná řešení, aby se zabránilo nalepení na místní minimum, které je podstatně horší než nejlepší. Jako příklad si lze představit, že začíná na vrcholu kopce nebo hory s cílem dosáhnout základny. Po cestě mohou existovat vpusti nebo kostiny. Pokud počítač nemůže jít do kopce dostatečně daleko, aby se dostal ven, uvízne, i když není nikde blízko základny.
Jak daleko se program může projít, je určeno procentem horších řešení, které program může prozkoumat. S postupem času jsou nalezena postupně lepší řešení a riziko hlubokéChasm se zmenšuje, takže procento horších řešení, které počítač může prozkoumat, je sníženo. Snižování této zlomky se označuje jako „chlazení“. Když teplota dosáhne předem nastavené frakce-které nemusí být 0-končí vyhledávání.
Důvod pro použití simulovaného žíhání nebo jiných technik vyhledávání umělé inteligence je zkrácení na zvládnutelné množství potřebné k nalezení téměř optimálního řešení. U mnoha problémů by vyčerpávající vyhledávání - testování každého možného řešení proti sobě možnému řešení - trvat měsíce nebo roky. Nejznámější alternativou k simulovanému žíhání jsou genetické algoritmy. Mezi další populární algoritmy vyhledávání umělé inteligence patří optimalizace Ant Colony, optimalizace roje částic, nejbližší soused a bayesovské klasifikátory.