模拟退火算法学习（1）

今天主要入一下门，对概念有个深刻的理解，并能简单运用。

概念理解

用自己的话理解一下：模拟退火算法就是不断生成随机解，即使较以前相比就已经相对最优依然还在探索，直到温度稳定，得到近似最优解。和贪心算法不同，贪心算法易陷入局部最优解（可以理解为井底之蛙）。

下面是我在网上听课觉得很好的一个讲法，分享给大家：

 

 算法实现流程

 注意：新的代价是否更小的意思就是说，新得到的这个解是不是叫舅解更接近我们的目标。

简单运用

• 基知补充

1. 关于matlab的函数写法
2. 关于随机数的生成

• 实例（求解函数最小值）

%%main.m
T=1000; %初始化温度值
T_min=1e-12; %设置温度下界
alpha=0.98; %温度的下降率
k=1000; %迭代次数（解空间的大小）
 
x=getX; %随机得到初始解
while(T>T_min)
    for i=1:100
        fx=Fx(x);
        x_new=getX;
        if(x_new>=-2 && x_new<=2)
            fx_new=Fx(x_new);
            delta=fx_new-fx;
            if (delta<0)
                x=x_new+(2*rand-1);
            else
                P=getP(delta,T);
                if(P>rand)
                    x=x_new;
                end
            end
        end
    end
    T=T*alpha;
end
disp('最优解为：')
disp(x)
 
%%getX.m
function x=getX
    x=4*rand-2;
end
 
%%Fx.m
function fx=Fx(x)
    fx=(x-2)^2+4;
end
 
%%getP.m
function p=getP(c,t)
    p=exp(-c/t);
end