Vad är simulerad glödgning?
simulerad glödgning är en datorteknik som kan hitta bra - men inte nödvändigtvis optimala - lösningar på ett problem. Det heter så eftersom det efterliknar den metallurgiska processen för glödgning. I metaller är glödgning processen för rening genom att värma metallen och sedan kyla den långsamt. Datorprogrammet "rensar" lösningsutrymmet tills alla som återstår är lösningar som är bäst eller mycket nästan bäst.
Det finns två kritiska faktorer som användaren av ett simulerat glödgningsprogram måste specificera: starttemperaturen eller procentandelen sämre lösningar som kan utforskas; och kylningshastigheten, som är den hastighet med vilken procentandelen minskas. En låg starttemperatur slutar ofta med ett resultat långt bort från optimalt. Att börja vid en mycket hög temperatur kan resultera i att sökningen tar mycket mer tid än nödvändigt. På liknande sätt kommer en kylningshastighet som är för hög kommer att generera dåliga resultat, medan en mycket låg kylningshastighet kommer att resultera iett program som körs under mycket lång tid.
"Högtemperatur" -tillståndet för det simulerade annealing -programmet är en inställning som gör det möjligt att titta på ett brett utbud av lösningar, inklusive många som är sämre än lösningar som det redan har hittat. Datorn får titta på många lösningar som är sämre än den nuvarande lösningen för att undvika att hålla fast vid ett lokalt minimum som är väsentligt sämre än det bästa. Som ett exempel kan man föreställa sig att börja på toppen av en kulle eller berg med målet att nå basen. Längs vägen kan det finnas klyftor eller chasmer. Om datorn inte kan gå uppåt tillräckligt långt för att komma ut, kommer den att fastna även om den inte är någonstans nära basen.
Hur långt uppför Hill programmet kan gå bestäms av procentandelen sämre lösningar som programmet får undersöka. Med tidens gång hittas gradvis bättre lösningar och risken för en djupChasm minskar, så andelen sämre lösningar som datorn kan utforska minskas. Att minska denna fraktion kallas "kylning". När temperaturen når en förinställd fraktion-som inte behöver vara 0-slutar sökningen.
Anledningen till att använda simulerad glödgning eller andra sökningstekniker för konstgjord intelligens är att minska till en hanterbar mängd den tid som behövs för att hitta en nästan optimal lösning. För många problem kan en uttömmande sökning - testning av varje möjlig lösning mot varandra möjlig lösning - ta månader eller år. Det mest kända alternativet till simulerad glödgning är genetiska algoritmer. Andra populära artificiella intelligenssökningsalgoritmer inkluderar optimering av myror, optimering av partikelvärm, närmaste granne och Bayesiska klassificerare.