模拟退火学习(2)
2016-07-10 09:02
190 查看
在上次的模拟退火学习(1)中笔者提出了两个问题:1>时间问题 2>结果不稳定问题
1.就是时间问题,考虑到精度和时间的两个因素,综合考虑设置模拟退火的初始参数值如下所示
int MarkovLength = 1000; // 马可夫链长度
double StepFactor = 0.02; // 步长因子
double Temperature = 1000; // 初始温度
解决五参数拟合公式中采用模拟退火问题的初始值设定为上图所示:温度的衰减系数为0.98,按照如上所示的初始值,能够将拟合时间控制在10s左右。
2.就是拟合结果不固定问题,最后发现是随机数的选取问题
////////随机数
double rnd()
{
double r;
r=(double) rand()/32768.0;
return r;
}
本文模拟退火产生的随机数如上所示
随机数的种子采用时间产生,函数如下所示:
srand((unsigned)time(NULL));
由于本文采用多线程进行拟合,所以在每个函数中都调用了上诉的随机数种子,最后笔者在创建线程之前就使用一次随机数种子,发现结果基本稳定。
所以如果所有的函数都要使用到rand函数,只需要在先运行的函数使用一次srand即可 。
好了,今天就写这么多,去上课了
1.就是时间问题,考虑到精度和时间的两个因素,综合考虑设置模拟退火的初始参数值如下所示
int MarkovLength = 1000; // 马可夫链长度
double StepFactor = 0.02; // 步长因子
double Temperature = 1000; // 初始温度
解决五参数拟合公式中采用模拟退火问题的初始值设定为上图所示:温度的衰减系数为0.98,按照如上所示的初始值,能够将拟合时间控制在10s左右。
2.就是拟合结果不固定问题,最后发现是随机数的选取问题
////////随机数
double rnd()
{
double r;
r=(double) rand()/32768.0;
return r;
}
本文模拟退火产生的随机数如上所示
随机数的种子采用时间产生,函数如下所示:
srand((unsigned)time(NULL));
由于本文采用多线程进行拟合,所以在每个函数中都调用了上诉的随机数种子,最后笔者在创建线程之前就使用一次随机数种子,发现结果基本稳定。
所以如果所有的函数都要使用到rand函数,只需要在先运行的函数使用一次srand即可 。
好了,今天就写这么多,去上课了
相关文章推荐
- 在TestNG中运行WebDriver测试用例
- B - The 3n + 1 problem
- Spring Cache抽象详解
- Ubuntu系统vi编辑器上下左右键变ABCD的解决方法
- 线性代数(高斯消元):JSOI2008 球形空间产生器sphere
- 通过demo搞懂encode_utf8和decode_utf8
- 通过demo搞懂encode_utf8和decode_utf8
- 编程之美 - 只考加法的算术题
- 郁闷的C小加(三)
- centos7重启apache、nginx、mysql、php-fpm命令
- python 获取 中国证券网 的公告
- Java单元测试(Junit+Mock+代码覆盖率)
- Fedora 23如何安装LAMP服务器
- HDU 4987(概率dp)
- html网页中显示浏览器标题栏小图标
- Mock方法介绍
- SQL Server对文件访问的权限
- lseek详解
- 图文详解mybatis+postgresql平台搭建步骤
- java代码中调用js