模拟退火算法matlab代码

模拟退火（Simulated Annealing, SA）算法是一种概率型启发式搜索算法，用于寻找优化问题中的全局最优解。以下是使用MATLAB实现模拟退火算法的一个示例代码，该代码旨在最小化一个简单的数学函数。

function sa_example()

    % 初始化参数
    max_iterations = 1000;      % 最大迭代次数
    initial_temp = 1000;        % 初始温度
    cooling_rate = 0.01;       % 冷却率
    min_temp = 1e-5;            % 最小温度
    step_size = 0.1;            % 步长
    dimensions = 2;             % 问题维度
    lower_bound = -10;          % 搜索空间的下界
    upper_bound = 10;           % 搜索空间的上界

    % 目标函数，例如 f(x) = sum((x - 3)^2, 2) + 20;
    % 这是一个具有多个局部最小值的函数
    target_function = @(x) sum((x - 3).^2, 2) + 20;

    % 初始化解
    x = (upper_bound - lower_bound) .* rand(dimensions, 1) + lower_bound;
    f_x = target_function(x);

    % 初始化最佳解
    best_x = x;
    best_fx = f_x;

    % 模拟退火循环
    for iter = 1:max_iterations
        current_temp = initial_temp * (cooling_rate ^ iter);

        % 如果温度小于最小温度，则停止
        if current_temp < min_temp
            break;
        end

        % 生成新的解
        new_x = x + step_size * (randn(dimensions, 1) - 0.5);
        new_x = max(min(new_x, upper_bound), lower_bound); % 确保新解在界限内
        new_fx = target_function(new_x);

        % 计算概率接受比当前解差的新解
        if new_fx < f_x || exp((f_x - new_fx) / current_temp) > rand()
            x = new_x;
            f_x = new_fx;

            % 更新最佳解
            if new_fx < best_fx
                best_x = new_x;
                best_fx = new_fx;
            end
        end

        % 打印当前状态（可选）
        if mod(iter, 100) == 0
            fprintf('Iteration: %d, Current solution: %f, Current f(x): %f, Best f(x): %f\n', ...
                iter, x, f_x, best_fx);
        end
    end

    % 输出结果
    fprintf('Best solution found: x = [%f, %f], f(x) = %f\n', best_x(1), best_x(2), best_fx);

end
代码解释
参数初始化：我们设置了最大迭代次数、初始温度、冷却率、最小温度、步长、问题维度、搜索空间的上下界。

目标函数：target_function是我们想要最小化的函数。在这个例子中，我们使用了一个简单的二次函数。

初始化解：我们从搜索空间中随机选择一个点作为初始解。

模拟退火循环：在循环中，我们逐渐降低温度，每次迭代生成一个新的解，并根据概率函数决定是否接受这个新解。

生成新解：新解是通过在当前解的基础上加上一个小的随机扰动得到的，并确保新解在界限内。

概率接受：即使新解的函数值比当前解的函数值大，也有可能以一定的概率被接受，这个概率随着温度的降低而减小。

输出结果：在找到最佳解后，我们打印出最佳解及其函数值。

这个模拟退火算法的实现可以作为一个基础框架，根据你的具体问题进行调整和扩展。