• optimizasyon problemleri cozmek icin kullanilan bir heuristic. metallerin tavlama islemine benzediginden bu ismi almistir.
    (bkz: genetik algoritma)
  • kati cisimlerin özellikle metallerin soğurken mükemmel atomik dizilişlerini örnek alan (bkz: çelik), yapay zeka optimizasyon algoritmalarinin en basitidir. içerisinde rasgelelik barındırır. soğutma işlemi bu algoritmada daha iyi sonuclarin bulunmasini saglayacak yeni komşu çözümlerin üretilmesini sağlayan eksponansiyel bir ifadedir. (bkz: yapay ısıl işlem algoritması)
  • bu yontem lokal optimalara takilmamak icin iyidir. diyelim ki en alcak noktasini aradigimiz bir golf sahamiz var -tercihan bol delikli-. "eger egim olan yonde ilerle" derseniz o zaman yuksek olasilikla deliklerden birinde son bulacaksiniz. ama onun yerine soyle yapiyoruz: sahaya bir top koyup araziyi oldugu gibi sallamaya basliyoruz. top arada bir deliklere girse de sonra cikiyor. daha sonra cok yavas bir sekilde sallama hizini azaltiyoruz. tamamen durdugumuzda topumuz global minimaya yakin bir yerde duruyor oluyor.

    katilarda da durum buna benzer: sallama sicakliga karsilik geliyor. bir gazi soguturken atomlar bir sure sonra nasil ki periyodik araliklarla dizilip potansiyel enerjiyi minimize etmeyi basariyorsa (kristallesme) biz de ayni yontemi kullanarak enerjiyi degil kendi tanimladigimiz bir fonksiyonu minimize etmeyi diliyoruz.

    bu her zaman ise yariyor mu? hayir. zira dogada da yavas sogutulan hersey kristal olmayabiliyor. mesela (bkz: amorf katilar).
  • bu mevzuyu fizikci abiler zamaninda makul bir arkaplandan yola cikarak ortaya atmislar. iyi guzel ve hos orada kalsa. tek derdim insanlar para politikasinin degisken oldugu ortamlarda ev alim satiminda nasil bir davranis izlerler ona bakmakti, is gitti dolandi bunun eline dustu. oyle golf sahasindaki delikler falan fiyakali analojiler, aslan sunu bi takiver yapiver deyince "ulan ulan" ah ulana baglamamak isten degil, allahim nicin ilkokuldan mezun oldum dedirtiyor insana.
  • statistical thermodynamics'e analoji kurularak geliştirilmiş, zaman zaman çözümü kötüleştiren hareketleri kabul ederek lokal optimumlardan kurtulabilen bir metaheuristic algoritma.

    simulated annealing algoritmasında yapılan her move sonucunda geçilen state sadece bir öncekine bağımlı olduğu için, her sıcaklık derecesi bir markov chain olarak modellenebilir. bu markov chain bir stationary state distribution'a sahip olduğundan dolayı bir sıcaklık derecesinde yeteri kadar iterasyon yapıldıktan sonra o sıcaklık için steady state'e ulaşılacaktır. o yüzden genel olarak simulated annealing algoritmasının global optimum'a asimptotik yakınsaması garanti edilebilir.
hesabın var mı? giriş yap