模拟退火：连续域优化的严格有限时间保证
机器学习
2007-09-20 v1
摘要
模拟退火是一种求解全局优化问题的流行方法。现有的性能结果适用于离散组合优化，其中优化变量只能取有限个可能值。我们引入了一种新的模拟退火通用形式，使得能够保证连续变量函数优化的有限时间性能。该结果普遍适用于有界域上的任何优化问题，并建立了模拟退火与连续域上马尔可夫链蒙特卡洛方法收敛的最新理论之间的联系。本工作受统计学习理论中“具有已知精度和置信度的有限时间学习”概念的启发。
引用
@article{arxiv.0709.2989,
title = {Simulated Annealing: Rigorous finite-time guarantees for optimization on continuous domains},
author = {A. Lecchini-Visintini and J. Lygeros and J. Maciejowski},
journal= {arXiv preprint arXiv:0709.2989},
year = {2007}
}
评论
10 pages, 2 figures. Preprint. The final version will appear in: Advances in Neural Information Processing Systems 20, Proceedings of NIPS 2007, MIT Press