[发明专利]优化装置及优化装置的控制方法

说明书

本公开涉及优化装置及优化装置的控制方法。根据本公开的优化装置包括：状态保持单元，用于保持表示能量的评估函数中包括的多个状态变量的值；目标函数计算单元，用于当响应于多个状态变量的值中的任何值的变化而发生状态转变时，针对多个状态转变中的每一个来计算评估函数中包括的目标函数的能量变化值；约束项计算单元，用于针对多个状态转变中的每一个来计算约束项评估值，约束项评估值是评估函数中包括的约束项的评估值；温度控制器，用于控制指示温度的温度值；以及转变控制器，用于基于温度值、随机数值以及变化值与约束项评估值之和来随机地确定是否接受多个状态转变中的任何状态转变。

技术领域

本文讨论的实施方式涉及优化装置及优化装置的控制方法。

背景技术

在当今社会的几乎每个领域中都执行信息处理。使用诸如计算机的算术设备来执行信息处理，并且通过计算和处理各种数据来执行诸如预测、确定、控制等的各种处理以获得有意义的结果。信息处理的领域之一是视为重要领域的优化问题。例如，存在使执行特定处理所需的资源和成本最小化的问题，或者找到使处理的效果最大化的解决方案的问题。显然，这样的问题非常重要。

线性规划问题是优化问题的代表。线性规划问题在由线性和表示的约束条件下获得使由多个连续变量的线性和表示的评估函数最大化或最小化的变量的值，并且被用于各种领域，例如生产计划。对于线性规划问题，已知极好的解决方法，例如，单纯形法和内点法，并且甚至可以通过线性规划问题有效地解决具有成千上万个变量的问题。

同时，已知许多优化问题采用离散值而不是连续值。例如，可能存在当依次穿过多个城市返回时寻找最短路线的旅行推销员问题或者当将不同物品收拾到背包中时寻找使价值之和最大化的组合的背包问题。这样的问题称为离散优化问题、组合优化问题等，并且已知很难获得最优解。

难以解决离散优化问题的最大原因在于，由于每个变量仅采用离散值，所以不可以使用沿改进评估函数的方向连续改变变量以达到最优解的方法。此外，除了给出原始最佳值的变量的值(最佳解、全局解)以外，还存在局部地给出评估函数的极值(最小(大)解、局部解)的很多值。因此，必须采取穷举法以确保获得最优解，并且因此计算时间可能大大延长。离散优化问题有很多问题，这些问题在计算复杂度理论中称为NP(非确定性多项式)难问题，可以预期，找到最优解的计算时间可能随着问题的大小(即，变量的数目)呈指数增长。旅行推销员问题和背包问题也是NP难问题。

如上所述，难以可靠地获得离散优化问题的最优解。因此，针对对于实际应用重要的离散优化问题，已经设计出使用该问题固有性质的解决方案。如上所述，由于预期许多离散优化问题会花费指数增长的计算时间来获得精确解，所以最实际的解不是最优解，而是可以获得其中评估函数的值接近于最佳值的解决方案的近似解。

针对特定于问题的近似算法，还已知可以处理大范围的问题以便在不使用问题性质的情况下解决问题的近似解决方案。这样的解决方案称为元启发解决方案，并且可以包括模拟退火方法(SA方法)、遗传算法、神经网络等。尽管这些方法的效率可能不及利用问题性质的解决方案，但是可以期望这些方法比获得精确解的解决方案更快地获得解。

例如，在日本特开专利公布第2003-223322号和日本特开专利公布第08-153085号中公开了相关技术。

惩罚系数是约束项的比例系数，不能被设置得太小，使得最小能量的解不包括约束违反。同时，当惩罚系数被设置的太大时，至约束违反状态的转变的接受概率变得更低，使得解达到最优解的时间变得更长。在许多组合优化问题中，使用包括与多个约束条件对应的多个约束项的评估函数。在许多情况下，解决方案可能经历多次违反多个约束条件的约束违反状态，并且达到最优解。在这样的问题中，由于约束项而导致潜在峰进一步增大，并且向约束违反状态的转变的接受概率进一步减小，这花费了较长的时间来搜索最优解(基态)。

实施方式的一个方面的目的是提供可以加速对基态的搜索的优化装置和该优化装置的控制方法。

发明内容