智能计算-模拟退火算法(matlab实现)案例分析.docx

模拟退火算法 摘 要：阐述了模拟退火算法的基本原理及实现过程,运用MATLAB语言实现了该算法。并将其运用到解决旅行商问题的优化之中。数值仿真的结果表明了该方法能够对函数进行全局寻优,有效克服了基于导数的优化算法容易陷入局部最优的问题。该方法既可以增加对MATLAB语言的了解又可以加深对模拟退火过程的认识,并达到以此来设计智能系统的目的。 关键词：模拟退火算法，全局寻优，搜索策略  simulated annealing algorithm Abstract：This paper describes the basic principles and processes simulated annealing algorithm, using MATLAB language implementation of the algorithm. And use it to solve the traveling salesman problem among optimization. Simulation results show that the method can be a function of global optimization, effectively overcome the derivative-based optimization algorithm is easy to fall into local optimum. This method not only can increase the MATLAB language can deepen understanding and awareness of the simulated annealing process, and in order to achieve the purpose of the design of intelligent systems. Keywords:simulated annealing algorithm,Global optimization,strategy  PAGE \* MERGEFORMAT 6 目 录 TOC \o "1-3" \h \u   HYPERLINK \l _Toc25738 一、简介  PAGEREF _Toc25738 1  HYPERLINK \l _Toc16966 二、原理  PAGEREF _Toc16966 2  HYPERLINK \l _Toc12228 三、实现过程  PAGEREF _Toc12228 3  HYPERLINK \l _Toc8295 四、改进的地方  PAGEREF _Toc8295 4  HYPERLINK \l _Toc31644 五、实验结果  PAGEREF _Toc31644 4  HYPERLINK \l _Toc6483 六、结论  PAGEREF _Toc6483 6   PAGE \* MERGEFORMAT 9 简介 许多实际优化问题的目标函数都是非凸的,存在许多局部最优解,但是,有效地求出一般非凸目标函数的全局最优解至今仍是一个难题。特别是随着优化问题规模的增大,局部最优解的数目将会迅速增加,这无疑使寻找大规模复杂系统优化问题的全局最优解变得更加困难。求解全局优化问题的方法可分为两类:一类是确定性方法,另一类是随机性方法。前者基于确定性的搜索策略,在目标函数满足特定的限制条件下可以对求得全局最优解提供确定性的保证,这类方法一般适用于求解满足特定要求的一些特殊问题。后者在搜索策略中引入了适当的随机因素,对目标函数一般不需要特殊的限制条件,具有比较广泛的适用性,由于采用随机搜索策略,这类方法只能在概率的意义上为求得全局最优解提供保证。 模拟退火算法是20世纪80年代初期发展起来的一种求解大规模组合优化问题的随机性方法。它以优化问题的求解与物理系统退火过程的相似性为基础,利用Metropolis算法并适当地控制温度的下降过程实现模拟退火,从而达到求解全局优化问题的目的。 模拟退火（简称SA）是一种通用 HYPERLINK "/view/1082614.htm" \t "/_blank" 概率算法，用来在一个大的搜寻空间内找寻命题的最优解。 “模拟退火”算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。退火与 HYPERLINK "/view/4881989.htm" \t "/_blank" 冶金学上的‘退火’相似，而与冶金学的淬火有很大区别，前者是温度缓慢下