[发明专利]优化装置和控制优化装置的方法

说明书

提供了一种优化装置和控制优化装置的方法。该优化装置包括：多个搜索单元，其针对多个状态变量中的两个状态变量的多个组合基于均指示两个状态变量之间的连接强度的多个权重值和两个状态变量的值来确定多个能量值，基于通过将与温度相对应的噪声值和多个能量值中的每一个相加获得的多个评估值与阈值之间的比较结果来确定多个状态变量的值；交换计数确定单元，其基于针对与由多个搜索单元确定的多个能量值中的最低能量值相对应的搜索单元设置的温度与作为针对多个搜索单元设置的温度中的最低温度的最小温度之间的差来确定交换计数；以及温度控制单元，其针对多个搜索单元中的每一个设置温度，并且在多个搜索单元之间交换所设置的温度达交换计数。

技术领域

本文讨论的实施方式涉及优化装置和控制优化装置的方法。

背景技术

当今社会，在所有领域中都会执行信息处理。信息处理由算术装置例如计算机执行，算术装置对各种数据执行操作和处理以获得有意义的结果，来执行预测、确定、控制等。信息处理之一是优化，这是重要领域。示例包括寻找使做某些事的资源和成本最小化并使其效果最大化的解的问题，这显然非常重要。

已知在优化问题之中，由于变量取离散值而不是连续值，因此许多被称为离散优化问题、组合优化问题等的问题都难以解决。使得这些问题难以解决的最大原因在于存在多个被称为局部解的状态，局部解不是最优解，而是在局部邻域中取最小值。

没有有效的通用解决方案来解决离散优化问题。因此，使用利用问题的固有特性的近似解或者不十分依赖问题性质的被称为元启发式方法的方法具有重要意义。

以下描述涉及使用后文的马尔可夫链蒙特卡洛方法(Markov chain Monte Carlomethod)的解决方案，并且特别地，例如，涉及被称为交换蒙特卡洛方法(exchange MonteCarlo method)或副本交换方法(replica-exchange method)的广义上的模拟退火。

模拟退火是通过使用随机数概率性地更改状态(变量矢量的值)来确定最优解的方法。下面描述使要优化的评估函数的值最小化的问题作为示例。评估函数的值被称为能量。为了最大化，可以更改评估函数的符号。

已经证明，在模拟退火中，通过如下使用伴随状态转换的能量变化和温度确定状态转换的接受(可接受)概率，状态在无限时间(迭代计数)的限制内达到最优解。

[等式1]

[等式2]

f_metro(x)＝min(1，e^x) (2)

[等式3]

等式(2)是Metropolis方法。等式(3)是Gibbs方法。使用等式(2)和(3)中的一个。

此处，T是表示温度的参数。根据问题需要使T的初始值足够大，并使其足够缓慢地降低。

如上所述，在模拟退火中，可以通过将迭代计数设置为无穷大来获得最优解(对应于基态的解)。然而，实际上，利用有限迭代计数来获得解具有重要意义，因此可能无法可靠地获得最优解。另外，如上所述，由于温度降低非常缓慢，因此在有限时间内温度没有充分降低。因此，在实际的模拟退火中，与改变温度以确保理论收敛的情况相比，温度通常降低地较快。