应用篇-第12章-模拟退火算法的仿真与实现概要.pptx

模拟退火算法（Simulated?Annealing?algorithm，简称SA）是柯克啪垂克于1982年受热力学中的固体退火过程与组合优化问题求解之间的某种“相似性”所启发而提出的，用于求解大规模组合优化问题的一种具有全局搜索功能的随机性近似算法。与求解线性规划的单纯形法、Karmarkar投影尺度法，求解非线性规划的最速下降法、Newton法、共轭梯度法，求解整数规划的分支定界法、割平面法等经典的优化算法相比，模拟退火算法在很大程度上不受制于优化问题的具体形式和结构，具有很强的适应性和鲁棒性，因而也具有广泛的应用价值。本章我们将学习模拟退火算法的matlab实现；运用模拟退火算法解决相关实际问题;12.1.1 物理退火过程;12.1.2 Metropolis准则;12.1.3 模拟退火算法介绍;12.1.3 模拟退火算法介绍;12.1.4 模拟退火算法要素;3.冷却进度表T(t) 冷却进度表是指从某一高温状态T(t)来表示，则经典模拟退火算法的降温方式为： 而快速模拟退火算法的降温方式为： 这俩种方式都能够使得模拟退火算法收敛于全局最小点。 实验表明，初温越大，获得高质量解的几率越大，但花费的计算时间将增加。因此，初温的确定应折衷考虑优化质量和优化效率，常用方法包括： 均匀抽样一组状态，以各状态目标值的方差初温。 随机产生一组状态，确定倆状态间的最大目标值差 ，然后依据差值，利用一定的函数确定初温。比如， 其 中 为初始接受概率。 利用经验公式给出。 ;5.内循环终止准则 或称Metropolis抽样稳定准则，用于决定在各温度下产生候选解的数目。常用的抽样稳定准则包括： 检验目标函数的均值是否稳定； 连续若干步的目标值变化较小； 按一定的步数抽样。 ? 6.外循环终止准则 即算法终止准则，常用的包括： 设置终止温度的阈值； 设置外循环迭代次数； 算法搜索到的最优值连续若干步保持不变； 检验系统熵是否稳定。 ;12.1.5 模拟退火算法流程图;;12.2.1模拟退火算法基本内容;#include stdafx.h/* MIN[f(x,y)=5sin(xy)+x^2+y^2]*/#include math.h#include stdio.h#include string.h#include stdlib.h#include time.h/* Objective Function */double objectfunction(double x,double y){double z=0.0;z=5.0*sin(x*y)+x*x+y*y;return z;}/* Random Number from 0 to 1 */double rnd(){double r;r=(double) rand()/RAND_MAX;return r;};int main(){int i;int markovlength=10000;//马可夫链double decayscale=0.95;//衰减参数double stepfactor=0.02;//Metropolis的步长double temperature=100;//初始温度double tolerance=1e-8;//容差double prex,nextx;double prey,nexty;double prebestx,prebesty;double bestx,besty;double acceptpoints=0.0;// Metropolis过程中总接受点double xmax,ymax; time_t t;srand((unsigned) time(t));printf(The Max Number X is:\n);scanf(%lf, xmax);printf(The Max Number Y is:\n);scanf(%lf, ymax);printf(xmax=%f,ymax=%f\n,xmax,ymax);prex=-xmax*rnd();prey=-ymax*rnd();prebestx=bestx=prex;prebesty=besty=prey;;do{temperature*=decayscale;acceptpoints=0.0;for(i=0;imarkovlength;i++){do{// 在此点附近随机选下一点nextx=prex+stepfactor*xm