【算法】模拟退火算法解决TSP问题的matlab实现

前言

       模拟退火算法（SA）是较为常见的现代优化算法之一，常用于旅行商（TSP）问题中。数学建模里学生们常常使用该算法，甚至是为了使用这个算法而使用这个算法，让评委老师们审美疲劳。评委老师明确表明使用所谓"神算法"（神经网络，模拟退火，遗传算法等等）而过于牵强者拿不了高分（见：http://special.univs.cn/service/jianmo/sxjmyw/2018/1128/1187951_15.shtml）。希望大家不要觉得它名词高级就认为它能吸引评委眼睛，评委毕竟是教授，不可能被几个名词唬住。

       但是呢，我们是学生，不能因为它不能随便用就不学习它，而在编程的环节中，我们亦有收获，况且爱因斯坦也是从一加一开始学起的，所以模拟退火算法还是有学习的必要的。话说的有点多，下面进入主题。

 

算法框架

       模拟退火算法可以粗分为以下几个步骤：

　　1，初始温度的设置、初始解的生成、设置每个温度下产生解的个数。

　　2，产生新解。

　　3，计算代价函数差。

　　4，Metropolis判别。（别被名词吓住，形式上是很简单的一个原则）

　　5，降温。

　　6，判断温度是否小于一个给定量。是，则结束；否，则跳转到第2步。

       以下对每个步骤做详细的解释。

 

 初始温度的设置、初始解的生成、设置每个温度下产生解的个数：

　　初始温度与降温系数、终止温度息息相关，它们仨决定了迭代的次数，具体公式为：终止温度 ≈ 初始温度*(降温系数)^迭代次数，其中1降温系数是(0,1)的一个常数 。对于小规模的问题，一般初始温度取1