第二章模拟退火算法.ppt

第二章 模拟退火算法 2.1 模拟退火算法及模型 2.1.1 物理退火过程 2.1.2 组合优化与物理退火的相似性 2.1.3 模拟退火算法的基本思想和步骤 2.2 模拟退火算法的马氏链描述 2.2.1 马尔可夫链 2.2.2 模拟退火算法与马尔可夫链 2.3 模拟退火算法的关键参数和操作的设计 2.3.1 状态产生函数 2.3.2 状态接受函数 2.3.3 初温 2.3.4 温度更新函数 2.3.5 内循环终止准则 2.3.6 外循环终止准则 2.4 模拟退火算法的改进 2.4.1 模拟退火算法的优缺点 2.4.2 改进内容 2.4.3 一种改进的模拟退火算法 2.5 模拟退火算法实现与应用 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 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 2.2 模拟退火算法的马氏链描述 2.2 模拟退火算法的马氏链描述 2.2 模拟退火算法的马氏链描述 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 2.3 模拟退火算法关键参数和操作的设计 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 第三章 结束 现代优化计算方法 while T0.001; % 循环模拟计算温度降低过程 for k=1:100; % 多次进行随机扰动 m=m0+dm*(2*rand-1); % 进行参数的随机扰动 m=mod(m+3,6)-3; % 限制参数在考虑区间内变换 fm=[m-m^3-2]*exp(-m^2)*sin(m*4); % 计算相应目标函数值 Df=fm-fm0; % 计算新旧函数值的差 if randexp(-Df/T); % 以几率形式接受当前的参数值 m0=m; % 更新m0的数值 fm0=fm; % 更新fm0的数值 end set(ph,XData,m0,YData,fm0); % 更新当前数据点的位置 pause(0.05); % 暂停一下显示动画效果 end T=T*LT; % 温度衰减 dm=dm*Lm; % 参数步长衰减 set(Tt,String,[T=,num2str(T)]); % 更新当前温度 end 现代优化计算方法 * * 现代优化计算方法 现代优化计算方法 现代优化计算方法 现代优化计算方法 算法的提出 模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化。 算法的目的 解决NP复杂性问题； 克服优化过程陷入局部极小； 克服初值依赖性。 2.1.1 物理退火过程 现代优化计算方法 物理退火过程 什么是退火： 退火是指将固体加热到足够高的温度，使分子呈随机排列状态，然后逐步降温使之冷却，最后分子以低能状态排列，固体达到某种稳定状态。 2.1.1 物理退火过程 现代优化计算方法 物理退火过程 加温过程——增强粒子的热运动，消除系统原先可能存在的非均匀态； 等温过程——对于与环境换热而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行，当自由能达到最小时，系统达到平衡态； 冷却过程——使粒子热运动减弱并渐趋有序，系统能量逐渐下降，从而得到低能的晶体结构。 2.1.1 物理退火过程 现代优化计算方法 数学表述 在温度T，分子停留在状态r满足Boltzmann概率