第九章 智能优化-2模拟退火算法.pptVIP

2. 模拟退火算法 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 2.1 模拟退火算法及模型 SA接受相邻解的标准 令 X 为当前解 X’ 新的解（相邻解） C(x) (C(x’))be the energy state (cost) of x (x’) 概率 Paccept = exp [(C(x)-C(x’))/ T] N=Random(0,1) 无条件接受相邻解，如果： C(x’) C(x), 即相邻解比当前解好 以一定的概率接受相邻解，如果 C(x’) = C(x),即相邻解比当前解差 当 N Paccept时，接受相邻解 参数设置 T 初始温度 t 冷却温度 冷却过程的设定（The cooling schedule） L 每一特定温度下的搜索次数： 退火过程设定 退火过程设定 Example Traveling Salesman Problem (TSP) Given 6 cities and the traveling cost between any two cities A salesman need to start from city 1 and travel all other cities then back to city 1 Minimize the total traveling cost TSP算例 SA parameter setting Th=2000 t=10 r=0.6 N=2 生成新的解：随机选择两个位置，交换其表示的城市 求得初始解 BS=初始解 2.4 模拟退火算法的改进 2.4 模拟退火算法的改进 2.4 模拟退火算法的改进 2.4 模拟退火算法的改进 2.4 模拟退火算法的改进 2.4 模拟退火算法的改进 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 2.5 模拟退火算法的实现与应用 结束 30 123456 The length of the route Sequence BS 28 132456 The length of the route Sequence 当前解 温度T＝1200 n=2 T=Th 求得初始解 BS=初始解 n=0 求得新的解 新的解比 当前解好？ 接受新的解 用新的解替换 当前解; n=n+1 nN？ BS=新的解 新的解比BS好？ T=rT T=t? End Start T: 温度 Th:最高温度 t: 最低温度 BS：已经找到的最好解 N:某一温度下达到平衡的搜索次数 是 否 是 否 是 否 是 否 是 否 30 123456 The length of the route Sequence 当前解 27 213456 The length of the route Sequence 新的解 接受新的解 温度T＝1200 n=0 T=Th 求得初始解 BS=初始解 n=0 求得新的解 新的解比 当前解好？ 接受新的解 用新的解替换 当前解; n=n+1 nN？ BS=新的解 新的解比BS好？ T=rT T=t? End Start T: 温度 Th:最高温度 t: 最低温度 BS：已经找到的最好解 N:某一温度下达到平衡的搜索次数 是 否 是 否 是 否 是 否 是 否 27 213456 The length of the route Sequence BS 27 213456 The length of the route Sequence 当前解 温度T＝1200 n=1 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。 2.4.1 模拟退火算法的优缺点 改进的可行方案