智能优花化计算3模拟退火.ppt

第三章 模拟退火算法 3.1 模拟退火算法及模型 3.1.1 物理退火过程 3.1.2 组合优化与物理退火的相似性 3.1.3 模拟退火算法的基本思想和步骤 3.2 模拟退火算法的马氏链描述 3.2.1 马尔可夫链 3.2.2 模拟退火算法与马尔可夫链 3.3 模拟退火算法的关键参数和操作的设计 3.3.1 状态产生函数 3.3.2 状态接受函数 3.3.3 初温 3.3.4 温度更新函数 3.3.5 内循环终止准则 3.3.6 外循环终止准则 3.4 模拟退火算法的改进 3.4.1 模拟退火算法的优缺点 3.4.2 改进内容 3.4.3 一种改进的模拟退火算法 3.5 模拟退火算法实现与应用 3.5.1 30城市TSP问题（d*=423.741 by D B Fogel） 3.5.2 模拟退火算法在管壳式换热器优化设计中的应用 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.1 模拟退火算法及模型 3.2 模拟退火算法的马氏链描述 3.2 模拟退火算法的马氏链描述 3.2 模拟退火算法的马氏链描述 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.3 模拟退火算法关键参数和操作的设计 3.4 模拟退火算法的改进 3.4 模拟退火算法的改进 3.4 模拟退火算法的改进 3.4 模拟退火算法的改进 3.4 模拟退火算法的改进 3.4 模拟退火算法的改进 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 3.5 模拟退火算法的实现与应用 第三章 结束 智能优化计算 改进的退火过程 （1）给定初温t0，随机产生初始状态s，令初始最优解s*=s，当前状态为s(0)=s，i=p=0； （2）令t=ti，以t，s*和s(i)调用改进的抽样过程，返回其所得最优解s*’和当前状态s’(k)，令当前状态s(i)=s’(k)； （3）判断C(s*)C(s*’)? 若是，则令p=p+1；否则，令s*=s*’，p=0； （4）退温ti+1=update(ti)，令i=i+1； （5）判断pm2? 若是，则转第(6)步；否则，返回第(2)步； （6）以最优解s*作为最终解输出，停止算法。 3.4.3 一种改进的模拟退火算法 山东大学威海分校信息工程学院 2009年 智能优化计算 改进的抽样过程 （1）令k=0时的初始当前状态为s’(0)=s(i)，q=0； （2）由状态s通过状态产生函数产生新状态s’，计算增量?C’=C(s’)-C(s)； （3）若?C’0，则接受s’作为当前解，并判断C(s’) C(s*’) ?若是，则令s*’=s’，q=0；否则，令q=q+1。若?C’0，则以概率exp(-?C’/t)接受s’作为下一当前状态； （4）令k=k+1，判断qm1? 若是，则转第(5)步；否则，返回第(2)步； （5）将当前最优解s*’和当前状态s’(k)返回改进退火过程。 3.4.3 一种改进的模拟退火算法 山东大学威海分校信息工程学院 2009年 智能优化计算 3.5.1 30城市TSP问题（d*=423.741 by D B