模拟退火算法(自学材料)摘要.pptVIP

下载本文档

9
0
约6.12千字
约 48页
2016-03-02 发布于湖北
举报
版权申诉

模拟退火算法(自学材料)摘要.ppt

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

智能优化计算模拟退火算法的优点质量高；初值鲁棒性强；简单、通用、易实现。模拟退火算法的缺点由于要求较高的初始温度、较慢的降温速率、较低的终止温度，以及各温度下足够多次的抽样，因此优化过程较长。模拟退火算法的优缺点模拟退火算法的实现与应用智能优化计算 30城市TSP问题（d*=423.741 by D B Fogel） TSP Benchmark 问题 41 94;37 84;54 67;25 62; 7 64;2 99;68 58;71 44;54 62;83 69;64 60;18 54;22 60;83 46;91 38;25 38;24 42;58 69;71 71;74 78;87 76;18 40;13 40;82 7;62 32; 58 35;45 21;41 26;44 35;4 50 智能优化计算算法流程模拟退火算法的实现与应用智能优化计算初始温度的计算 for i=1:100 route=randperm(CityNum); fval0(i)=CalDist(dislist,route); end t0=-(max(fval0)-min(fval0))/log(0.9); 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算状态产生函数的设计（1）互换操作，随机交换两个城市的顺序；（2）逆序操作，两个随机位置间的城市逆序；（3）插入操作，随机选择某点插入某随机位置。 30城市TSP问题（d*=423.741 by D B Fogel） 2 8 3 5 9 1 4 6 7 2 8 3 5 9 1 4 6 7 2 8 3 5 9 1 4 6 7 2 8 1 5 9 3 4 6 7 2 8 3 4 1 9 5 6 7 2 3 5 9 8 1 4 6 7 模拟退火算法的实现与应用智能优化计算参数设定截止温度 tf=0.01; 退温系数 alpha=0.90; 内循环次数 L=200*CityNum; 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行过程 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行过程 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行过程 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行过程 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行过程 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的实现与应用智能优化计算运行结果 30城市TSP问题（d*=423.741 by D B Fogel）模拟退火算法的改进智能优化计算改进的可行方案（1）设计合适的状态产生函数；（2）设计高效的退火历程；（3）避免状态的迂回搜索；（4）采用并行搜索结构；（5）避免陷入局部极小，改进对温度的控制方式；（6）选择合适的初始状态；（7）设计合适的算法终止准则。改进内容模拟退火算法的改进智能优化计算改进的方式（1）增加升温或重升温过程，避免陷入局部极小；（2）增加记忆功能（记忆“Best so far”状态）；（3）增加补充搜索过程（以最优结果为初始解）；（4）对每一当前状态，采用多次搜索策略，以概率接受区域内的最优状态；（5）结合其它搜索机制的算法；（6）上述各方法的综合。改进内容模拟退火算法的改进智能优化计算改进的思路（1）记录“Best so far”状态，并即时更新；（