模拟退火算法求解函数优化问题举例

前言：在这里，我们尝试使用模拟退火算法对函数优化问题进行求解。由于使用的是基础算法，并且简化了相关过程，所以求解效果不显著。在未来，应该讨论完善的、改进的模拟退火算法的应用。

算法内容参考书籍：模拟退火算法及其应用
案例参考博客：模拟退火算法与其python实现(一)
详细内容请移步上述博客，内容十分有用。

1.固体退火过程
固体退火是先将固体加热至熔化，再通过冷却凝固成规整晶体的热力学过程。
2.固体退火现象
在加热固体时，固体粒子的热运动不断增强，随着温度的升高，粒子预期平衡位置的偏离越来越大。当温度升至溶解温度后，固体的规则性被彻底破坏，从有序转变为无序状态，即固体转变为液体。相反，当温度降低时，则从无序转变为有序状态。
3.模拟退火算法
模拟退火算法来源于固体退火过程，使对象粒子从无序到有序的状态的转变。在高温条件下，粒子的能量较高，处于无序状态；在低温条件下，粒子能量较低，相对处于有序状态。当温度慢慢降低时，粒子的能量减小，粒子由无序趋于有序。最终，当粒子处于特定温度时，能量达到最小，此时，粒子处于稳定状态。
由此，假设函数优化问题当中，通过模拟退火的过程使函数变量趋向于稳定状态时，变量逐渐趋向于某个取值范围，在这个范围当中函数取得相对较优的值。
4.适应值函数
与其他算法相同，适应值函数为目标函数，如下：

double Fitness(double x) {
	double fit = 0;
	fit = pow(x, 3) - 60 * pow(x, 2) - 4 * x + 6;
	return fit;
}

5.状态更新
5.1 步长搜索
相对于当前解，算法需要对其领域进行搜索，以达到该区域中的最优状态。一般，一当前解为中心，随机产生均匀分布的步长，从而更新当前解。在这里，使用简单的随机数进行更新步长。

double delta_x = (rand() % 10)/10.0;
			if (delta_x > 0.5) {
				delta_x -= 1;
			}
			x_tem = x_best + delta_x;

5.2 界限判断
对于更新的变量值，需要检查变量是否超出界限，若超出界限，对其重新分配一个随机变量值。

if ((x_tem < x_low) || (x_tem > x_high)) {
		x_tem= ((rand() % (10000 + 1))) / 100.0;
	}

5.3函数值更新
Metropolis准则
模拟退火算法使用Metropolis准则产生组合优化问题解的序列，并使用对应的转移概率P确定是否接受当前解到新解的转移。

if (y_tem < y_best) {
		y_best = y_tem;
		x_best = x_tem;
	}
	else {
		double principle = exp(-1*(y_tem - y_best) / iter_temperature);
		srand((unsigned)time(NULL));
		double random = (rand() % (10 + 1)) / 10.0;
		if(random < principle) {
			y_best = y_tem;
			x_best = x_tem;
		}

6.冷却进度表
冷却进度表是指从某一高温状态T向低温状态冷却时的降温函数，在这里，表示如下：

7.模拟退火算法

void SA() {
	Init();//初始化函数值
	x_best=x_tem;
	y_best= Fitness(x_tem);

	iter_temperature = init_temperature;
	int count = 0;
	
	while (iter_temperature > min_temperature) {	
		int iter_time = 0;//初始搜索次数
		srand((unsigned)time(NULL));
		while (iter_time<circul_time) {
			//邻域函数选取步长
			double delta_x = (rand() % 10)/10.0;
			
			if (delta_x > 0.5) {
				delta_x -= 1;
			}
			//cout << delta_x << endl;
			x_tem = x_best + delta_x;

			Update();

			iter_time++;
			//cout << iter_time << endl;
		}
		cout << iter_temperature << "温度下函数值为：" << y_best << endl;

		count++;
		iter_temperature = init_temperature / (1 + count);
	}
}

模拟退火算法简要内容如上，有待进一步学习。