"न्यूमेरिकल व्यंजनों" के लेखक च में देते हैं। 10 नकली एनीलिंग एल्गोरिदम का कार्यान्वयन जो नेल्डर-मीड डाउनहिल सरल विधि के साथ "शास्त्रीय" नकली एनीलिंग को जोड़ता है।संख्यात्मक व्यंजनों में दिए गए नकली एनीलिंग एल्गोरिदम कितना सुरक्षित/परिपक्व है?
मुझे इस एल्गोरिदम के बारे में वास्तव में क्या पसंद है यह एक क्लासिक डाउनहिल खोज में परिवर्तित होता है क्योंकि एनीलिंग तापमान 0 तक पहुंचता है। हालांकि, मुझे इस एल्गोरिदम का कोई अन्य संदर्भ कभी नहीं मिला है; क्या यह अनुरूपित एनीलिंग एल्गोरिदम (यानी उत्पादन-तैयार) का एक सुरक्षित, परिपक्व संस्करण है या इसे पुस्तक में फेंकने वाले एक प्रयोगात्मक विचार के रूप में माना जाना चाहिए?
समस्या विशिष्ट के साथ: क्या आपका मतलब केस विशिष्ट या डेटासेट विशिष्ट का उपयोग करना है? मुझे 1 उपयोग के मामले में एसए के शुरुआती तापमान के ठीक ट्यूनिंग के साथ सफलता मिली है जो मैंने उस अन्य डेटासेट में अच्छी तरह से काम किया है जो मैंने फेंक दिया था। मैं सॉल्वर समय के आधार पर शीतलन शेड्यूलिंग को स्वतः ट्यून करता हूं। –
एसए कार्यान्वयन में कई अलग-अलग पैरामीटर हैं, जिनमें ऊर्जा कार्य, राज्यों की संख्या आदि शामिल हैं। इन सभी पैरामीटर के आधार पर सबसे अच्छा शीतलन कार्यक्रम अलग-अलग होगा, और यह जानने का कोई तरीका नहीं है कि किसी विशेष समस्या कॉन्फ़िगरेशन के लिए सबसे अच्छा शीतलन शेड्यूल क्या है। यह आपको प्रयोग करने की आवश्यकता के साथ छोड़ देता है। –
... जहां आप अपनी रसायन शास्त्र प्रयोगशाला में कुछ नया प्रयास कर रहे हैं: हीटिंग, कूलिंग, काफी नहीं, पुनः प्रयास करें, ... –