第五章 模拟退火算法.ppt

第五章 模拟退火算法 教学重点 理解退火的原理 掌握模拟退火的算法 教学难点 模拟退火的算法 5.1 模拟退火算法及模型 5.1.1 物理退火过程 5..1.2 组合优化与物理退火的相似性 5.1.3 模拟退火算法的基本思想和步骤 5.2 模拟退火算法的马氏链描述 5.2.1 马尔可夫链 5.2.2 模拟退火算法与马尔可夫链 5.3 模拟退火算法的关键参数和操作的设计 5.3.1 状态产生函数 5.3.2 状态接受函数 5.3.3 初温 5.3.4 温度更新函数 5.3.5 内循环终止准则 5.3.6 外循环终止准则 5.4 模拟退火算法的改进 5.4.1 模拟退火算法的优缺点 5.4.2 改进内容 5.4.3 一种改进的模拟退火算法 5.5 模拟退火算法实现与应用 5.5.1 30城市TSP问题（d*=423.741 by D B Fogel） 5.5.2 模拟退火算法在管壳式换热器优化设计中的应用 5..1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.1 模拟退火算法及模型 5.2 模拟退火算法的马氏链描述 5.2 模拟退火算法的马氏链描述 5.2 模拟退火算法的马氏链描述 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.3 模拟退火算法关键参数和操作的设计 5.4 模拟退火算法的改进 5.4 模拟退火算法的改进 5.4 模拟退火算法的改进 5.4 模拟退火算法的改进 5.4 模拟退火算法的改进 5.4 模拟退火算法的改进 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 5.5 模拟退火算法的实现与应用 课外习题 模拟退火解决简单函数优化问题 模拟退火解决简单TSP问题 智能优化计算 改进的思路 （1）记录“Best so far”状态，并即时更新； （2）设置双阈值，使得在尽量保持最优性的前提下减少计算量，即在各温度下当前状态连续 m1 步保持不变则认为Metropolis抽样稳定，若连续 m2 次退温过程中所得最优解不变则认为算法收敛。 5.4.3 一种改进的模拟退火算法 数学与统计学院 2013年 智能优化计算 改进的退火过程 （1）给定初温t0，随机产生初始状态s，令初始最优解s*=s，当前状态为s(0)=s，i=p=0； （2）令t=ti，以t，s*和s(i)调用改进的抽样过程，返回其所得最优解s*’和当前状态s’(k)，令当前状态s(i)=s’(k)； （3）判断C(s*)C(s*’)? 若是，则令p=p+1；否则，令s*=s*’，p=0； （4）退温ti+1=update(ti)，令i=i+1； （5）判断pm2? 若是，则转第(6)步；否则，返回第(2)步； （6）以最优解s*作为最终解输出，停止算法。 5.4.3 一种改进的模拟退火算法 数学与统计学院 2013年 智能优化计算 改进的抽样过程 （1）令k=0时的初始当前状态为s’(0)=s(i)，q=0； （2）由状态s通过状态产生函数产生新状态s’，计算增量?C’=C(s’)-C(s)； （