智能优化算法数学建模王成章模拟退火法2011.ppt

由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 模拟退火算法的流程 改进的可行方案： 设计合适的状态产生函数； 设计高效的退火历程； 避免状态的迂回搜索； 采用并行搜索结构； 避免陷入局部极小，改进对温度的控制方式； 选择合适的初始状态； 设计合适的算法终止准则。 模拟退火算法的改进 改进的方式： 增加升温或重升温过程，避免陷入局部极小； 增加记忆功能（记忆“Best so far”状态）； 增加补充搜索过程（以最优结果为初始解）； 对每一当前状态，采用多次搜索策略，以概率接受区域内的最优状态； 结合其它搜索机制的算法； 上述各方法的综合。 模拟退火算法的改进(C.e) 巡航问题： 已知敌方100 个目标的经度、纬度如表所示： 模拟退火算法的实例 巡航问题： 已知敌方100 个目标的经度、纬度如表所示： 我方有一个基地，经度和纬度为（70,40）。假设我方飞机的速度为1000 公里/小时。我方派一架飞机从基地出发，侦察完敌方所有目标，再返回原来的基地。在敌方每一目标点的侦察时间不计，求该架飞机所花费的时间（假设我方飞机巡航时间可以充分长）。 模拟退火算法的实例(C.) 巡航问题： 问题分析： 模拟退火算法的实例(C.) 巡航问题： 问题分析： 问题求解：有请Matlab闪亮登场！ 模拟退火算法的实例(C.) TSP问题： 采用模拟退火法求解TSP问题。 有请Matlab闪亮登场！ 模拟退火算法的实例(C.e) 谢谢各位！ 我们将从如下5个方面汇报报告内容。 首先来看立项依据。 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， 由于这些算法都有着很深的理论背景，因此， * 数 学 建 模 — 智 能 优 化 算 法 * 数 学 建 模 — 智 能 优 化 算 法 * 数 学 建 模 — 智 能 优 化 算 法 数学建模 主讲人：王成章 智 能 优 化 算 法 前言 为了找出地球上最高的山，一群有志气的兔子们开始想办法。 前言(C.) 方案一：兔子们吃了失忆药片，并被发射到太空，然后随机落到了地球上的某些地方。他们不知道自己的使命是什么。但是，如果你过几年就杀死一部分海拔低的兔子，多产的兔子们自己就会找到珠穆朗玛峰。 遗传算法 前言(C.) 方案二：兔子们朝着比现在高的地方跳去，它们找到了不远处的最高山峰。但是这座山不一定是珠穆朗玛峰。其实，它们这种做法只是自己心理上认为找到了最高的山，并不能保证局部最优值就是全局最优值。 局部搜索法 前言(C.) 方案三：兔子们知道一个兔子的力量是渺小的。于是，它们互相转告着，哪里的山已经找过，并且找过的每一座山他们都留下一只兔子做记号。这样，它们制定了下一步去哪里寻找的策略。 禁忌搜索法 前言(C.) 模拟退火算法得益于材料的统计力学的研究成果。统计力学表明材料中粒子的不同结构对应于粒子的不同能量水平。在高温条件下，粒子的能量较高，可以自由运动和重新排列。在低温条件下，粒子能量较低。如果从高温开始，非常缓慢地降温（这个过程被称为退火），粒子就可以在每个温度下达到热平衡。当系统完全被冷却时，最终形成处于低能状态的晶体。 前言(C.) 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