我最近正在研究一些关于优化的算法我发现了一个非常有趣的算法，叫做模拟退火根据我的理解，我们的初始点变成了一个分布点，而不是一个实际点。它也与初始“温度”有关，但主要思想是“冷却”也就是说，当你达到局部最优时，尝试一些“移位”的情况从而克服局部最优陷阱。我想知道模拟退火也是一种蒙特卡罗方法。区别在于monte carlo是全局工作的，而模拟退火是局部工作的。我的想法对吗？
最佳答案
不，annealing不是蒙特卡罗方法的一种，但是你的比较并不愚蠢退火是概率的，但在某种程度上并不完全符合蒙特卡罗的特性。
主要的区别是在这个过程中分配的定义蒙特卡罗通过经验模拟分布来识别解退火在搜索时改变了分布定义，逐渐对每个状态转移的“邻居”的概率定义施加更严格的限制。
您可能会被退火的常见图示分散注意力，因为这个概念通常并行地应用于图像的每个像素的局部分辨率方法这是一个本地应用程序，Monte Carlo并没有很好地应用到这个应用程序中——同样，您的想法很可能是准确的，即使它在形式上不是完全正确的。