基于MATLAB的退火算法的模拟剖析.pptVIP

`````` ehstrheje * 模拟退火算法（MATLAB实现） xx 目录 1 模拟退火算法及模型 1.1 物理退火过程 1.2 组合优化与物理退火的相似性 1.3 模拟退火算法的基本思想和步骤 2 模拟退火算法的关键参数和操作的设计 2.1 状态产生函数 2.2 状态接受函数 2.3 初温 2.4 温度更新函数 2.5 内循环终止准则 2.6 外循环终止准则 目录 3 模拟退火算法的优缺点 4 模拟退火算法实现与应用 模拟退火算法及模型 1.1 物理退火过程 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。 模仿自然界退火現象而得，利用了物理中固体物质的退火过程与一般优化问题的相似性 从某一初始温度开始，伴随温度的不断下降，结合概率突跳特性在解空间中随机寻找全局最优解 模拟退火算法及模型 1.2 数学表述 在温度T，分子停留在状态r满足Boltzmann概率分布 模拟退火算法及模型 在同一个温度T，选定两个能量E1E2，有 模拟退火算法基本思想：在一定温度下，搜索从一个状态随机地变化到另一个状态；随着温度的不断下降直到最低温度，搜索过程以概率1停留在最优解 模拟退火算法及模型 Boltzman概率分布告诉我们： （1）在同一个温度，分子停留在能量小状态的概率大于停留在能量大状态的概率 （2）温度越高，不同能量状态对应的概率相差越小；温度足够高时，各状态对应概率基本相同。 （3）随着温度的下降，能量最低状态对应概率越来越大；温度趋于0时，其状态趋于1 模拟退火算法及模型 Metropolis准则（1953）——以概率接受新状态 若在温度T，当前状态i → 新状态j 若EjEi，则接受 j 为当前状态； 否则，若概率 p=exp[-(Ej-Ei)/kBT] 大于[0,1)区间的随机数，则仍接受状态 j 为当前状态；若不成立则保留状态 i 为当前状态。 模拟退火算法及模型 相似性比较 组合优化问题 金属物体 解 粒子状态 最优解 能量最低的状态 设定初温 熔解过程 Metropolis抽样过程 等温过程 控制参数的下降 冷却 目标函数 能量 应用举例 用模拟退火算法解决如下10个城市的TSP问题 模拟退火算法关键参数和操作的设计 `````` ehstrheje *