Hvad er simuleret annealing?
Simuleret annealing er en computerteknik, der kan finde gode - men ikke nødvendigvis optimale - løsninger på et problem. Det er så navngivet, fordi det efterligner den metallurgiske proces med udglødning. I metaller er udglødning processen til oprensning ved at opvarme metallet og derefter afkøle det langsomt. Computerprogrammet "renser" løsningsområdet, indtil alt, hvad der er tilbage, er løsninger, der er bedst eller næsten bedst.
Der er to kritiske faktorer, som brugeren af et simuleret annealingsprogram har brug for at specificere: starttemperaturen eller procentdelen af værre løsninger, der kan udforskes; og kølehastigheden, som er den hastighed, hvormed denne procentdel reduceres. En lav starttemperatur slutter ofte med et resultat, der er fjernet fra det optimale. Start ved en meget høj temperatur kan resultere i, at søgningen tager langt mere tid end nødvendigt. Tilsvarende vil en for høj afkøling give dårlige resultater, mens en meget lav afkøling resulterer i et program, der kører i meget lang tid.
Tilstanden "høj temperatur" for det simulerede glødeprogram er en indstilling, der giver det mulighed for at se på en lang række løsninger, herunder mange, der er værre end løsninger, den allerede har fundet. Computeren har lov til at se på mange løsninger, der er værre end den nuværende løsning for at undgå at klæbe sig til et lokalt minimum, der er væsentligt værre end den bedste. Som et eksempel kan man forestille sig at starte på toppen af en bakke eller et bjerg med målet at nå basen. Undervejs kan der være sludder eller chasmer. Hvis computeren ikke kan gå op ad bakke langt nok til at komme ud, sidder den fast, selvom den ikke er tæt på basen.
Hvor langt op ad bakke programmet kan gå bestemmes af procentdelen af værre løsninger, som programmet har lov til at undersøge. Med tiden går der gradvist bedre løsninger, og risikoen for et dybt klynge mindskes, så procentdelen af værre løsninger, som computeren kan udforske, mindskes. At mindske denne brøk kaldes "afkøling". Når temperaturen når en forudindstillet brøkdel - som ikke behøver at være 0 - slutter søgningen.
Årsagen til at bruge simuleret annealing eller andre teknikker til kunstig intelligenssøgning er at reducere den nødvendige tid til at finde en næsten optimal løsning til en håndterbar mængde. I mange problemer kan en udtømmende søgning - testning af hver mulig løsning mod hinanden mulig løsning - tage måneder eller år. Det mest kendte alternativ til simuleret annealing er genetiske algoritmer. Andre populære kunstige intelligens søgealgoritmer inkluderer ant colony-optimering, partikelswarmoptimering, nærmeste nabo og Bayesianske klassifikatorer.