Vad är simulerad glödgning?

Simulerad glödgning är en datorteknik som kan hitta bra mdash;även om det inte nödvändigtvis är optimalt mdash;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 renar 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 ange: starttemperaturen eller procentandelen sämre lösningar som kan utforskas;och kylningshastigheten, som är den hastighet med vilken procentsatsen 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 i ett program som går mycket länge.Tillåter den att titta på ett brett utbud av lösningar, inklusive många som är sämre än lösningar som den 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 kullen kan programmet gå bestäms av procentandelen sämre lösningar som programmet får undersöka.Med tidens gång hittas gradvis bättre lösningar och risken för en djup klöv minskar, så andelen sämre lösningar som datorn kan utforska minskas.Att minska denna fraktion kallas kylning.När temperaturen når en förinställd fraktion mdash;som inte behöver vara 0 mdash;Sökningen slutar.

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, en uttömmande sökning mdash;testning av varje möjlig lösning mot varandra möjlig lösning mdash;kan ta månader eller år.Det mest kända alternativet till simulerad glödgning är genetiska algoritmer.Andra populära artificiella intelligenssökningsalgoritmer inkluderar optimering av myrkoloni, partikelsvärmoptimering, närmaste granne och Bayesiska klassificerare.