python进阶高级技能：Python退火算法在高次方程的应用

最新推荐文章于 2024-09-09 15:52:08 发布

adrrry

最新推荐文章于 2024-09-09 15:52:08 发布

阅读量3k

点赞数 2

分类专栏： python 文章标签：人工智能 python 编程语言算法

本文链接：https://blog.csdn.net/adrrry/article/details/105924044

版权

本文介绍Python退火算法在解决高次方程中的应用，通过三种解法对比，展示了退火算法如何找到一元四次方程的近似最优解，并探讨了算法的核心思想。

摘要由CSDN通过智能技术生成

@本文来源于公众号：csdn2299，喜欢可以关注公众号程序员学府
退火算法就是钢铁在淬炼过程中失温而成稳定态时的过程，热力学上温度（内能）越高原子态越不稳定。这篇文章主要介绍了Python退火算法在高次方程的应用,需要的朋友可以参考下

文章目录

一，简介

退火算法不言而喻，就是钢铁在淬炼过程中失温而成稳定态时的过程，热力学上温度（内能）越高原子态越不稳定，而温度有一个向低温区辐射降温的物理过程，当物质内能不再降低时候该物质原子态逐渐成为稳定有序态，这对我们从随机复杂问题中找出最优解有一定借鉴意义，将这个过程化为算法，具体参见其他资料。

二，计算方程

我们所要计算的方程是f(x) = (x - 2) * (x + 3) * (x + 8) * (x - 9),是一个一元四次方程，我们称为高次方程，当然这个函数的开口是向上的，那么在一个无限长的区间内我们可能找不出最大值点，因此我们尝试在较短区间内解最小值点，我们成为最优解。
解法一：

毫无疑问，数学方法多次求导基本可以解出，但是这个过程较复杂，还容易算错，我就不赘述了，读者有时间自己可以尝试解一下。

解法二：

这个解法就是暴力解决了，我们这里只求解区间[-10,10]上的最优解，直接随机200个点，再除以10（这样可以得到非整数横坐标），再依此计算其纵坐标f（x），min{f(x)}一下，用list的index方法找出最小值对应位置就行了，然后画出图形大致瞄一瞄。

直接贴代码：

import random
import matplotlib.pyplot as plt
list_x = []
# for i in range(1):
#   #print(random.randint(0,100))
#   for i in range(0,100):
#     print("sss",i)
#
#   list_x.append(random.randint(0,100))
for i in range(-100,100):
  list_x.append(i/10)
print("横坐标为：",list_x)
print(len(list_x))
list_y = []
for x in list_x:
  # print(x)
  #y = x*x*x - 60*x*x -4*x +6
  y = (x - 2) * (x + 3) * (x + 8) * (x - 9)
  list_y.append(y)
print("纵坐标为：",list_y)
#经验证，这里算出来的结果6.5和最优解1549都是对的
print("最小值为：