模拟退火算法_模拟退火算法学习笔记

最新推荐文章于 2024-08-12 11:55:07 发布

weixin_39596739

最新推荐文章于 2024-08-12 11:55:07 发布

阅读量189

点赞数

文章标签：模拟退火算法

本文链接：https://blog.csdn.net/weixin_39596739/article/details/111370629

版权

本文详细介绍了模拟退火算法的基本原理，包括算法简介、实现过程和重点讲解，并给出了MATLAB编程的实现思路及代码示例，旨在解决寻找最优化问题的解决方案。

摘要由CSDN通过智能技术生成

参考文章：https://zhuanlan.zhihu.com/p/33184423

参考文件：《Matlab数学建模算法全收录》

2019.8.12更新：由于本人输入地过于仓促，文中出现了严重的错误，在此对之前的读者表示歉意。

2020.1.21更新

一，算法简介

1.1 内容简介

对于某个问题而言，没有很好的办法可以直接求得它的最优解，又或是直接求解太复杂。此时，我们尝试随机带入一些值，想要试一下，撞一下大运，看看能不能撞出比较好的解出来。

1.2 算法实现的过程

第一步，我们将根据可控变量的取值范围，来随机选取初始值，这是初次试值

第二步，接下来的试值中，我们会给每一个变量，产生一个微小的变化量delta=

(delta具体是多少，可以由用户决定。

代表变化后的可控变量，

代表变化前的可控变量），当然变化后的每一个变量要求在取值范围以内。注意，这个微小变化量是随机取值的，但是要保证它的取值范围关于原点对称。

注意，可控变量可能不是一维的，可能是二维或者更高维度。此时

为一个存储多个可控变量的向量。

第三步，我们自定义了的函数关系，这个函数是针对当前问题的，是变量到结果的映射。这个函数的输入端是向量

，输出端是映射后的结果

。假设

映射后的结果是

；

映射后的结果是

对于

我们提出如下要求：

1）如果新的结果更接近我们想要的结果（一般我们想要找到的是最值），我们就直接接受当前得到的

及

。

2）如果新的结果

远离或者等于原来的结果，我们以一定概率 P 的去接受当前状态下的变量。假设函数值的变化量

，温度为 T (这是用户自己设置的一个量，用于调控算法在起始及过程当中的概率大小)。则 P 满足如下关系：

并且，我们要求，如果你是以概率的方式接受了当前状态下的结果，那么在每次接受以后，温度将会下降，即

。注意，T 的初始值是人为设定的，

也是人为设定的。

3）当 P 过于小的时候，或长时间找不到更优的解，那么结束算法。

1.3 重点讲解

1）不难发现，对于 P 而言，由于指数的分子恒为正，当指数分母趋于无穷大的时候，概率趋于1。这意味我们选择远离或者等于原来的结果的可能性会比较高。刚开始的时候，我们需要接触更多的区域，来试探解的结果，所以温度会设定的很高。随着算法的进行，温度逐渐降下来后，P 会逐渐变小。最后，我们能够得到一个尽可能接近最优解的解。

2）如何实现求解最大值呢？首先，使得

，那么由于我们要求

，所以当

，此时的

是我们不想要的解，也就是我们想要更大的解。其次，写下一个判断函数 judge(dE,t)，传入

和 t ，其中，dE =

。当dE < 0 时，返回值1，代表接受结果；当dE ≥ 0 时，进行概率选择，依照概率返回值 1 或 0 。

该算法计算的就是最大值。如果我们使得

，就可以通过输入的extreme值来修改计算的最值了，当 extreme=1 时，计算最大值；当 extreme=-1 时，计算最小值。（注意，下面编程当中的

,所以和这里刚好相反。）

二，算法的matlab编程

首先考虑一下算法的整体结构：输入端，循环处理的过程，输出端

输入端：

包括温度 T 、温度最小值 Tm 、温度下降系数 alpha 、变量矩阵 X 及其取值范围、自定义的函数 val()

变量矩阵 X 用于存储已知条件，它是一个 m*n 的矩阵，其中 m 代表已知点的个数，而 n 代表每个点的维度。

循环处理过程：

包括这几个部分，初始图像的绘制、初始值的求解、随机扰动的求解、是否采纳解的判断、绘图。

输出端：

主要需要最终的温度T，和最后得到的状态下的变量及其函数值

matlab编程

（原代码来源于https://zhuanlan.zhihu.com/p/33184423中的第二例，但是我将算法改进了一下，目的是使其更具有普遍性）

使用模拟退火算法求解到点集直线距离之和最短的点

%{
名称：模拟退火算法
用途：用于求某个函数的最值
输入：温度、温度最小值、温度下降系数、变量矩阵及其取值范围、自定义的函数val
输出：函数图像，以及最终得到的值y
注意：
%}
clc, clear
%用户输入参数
disp('请修改关于变量矩阵的自定义函数，初始及初始图像函数，还有循环过程中的绘图部分');
T_input=input('请以向量的形式依次输入tmp,tmp_min,alpha：');
tmp=T_input(1);tmp_min=T_input(2);alpha=T_input(3);
varied_data=input('请输入变量矩阵，每一列代表不同维度，每一行代表不同元素：');
extreme=input('需要计算最大值请输入-1，计算最小值请输入1：')
%实验参数，可以将上面内容注释掉，把这里取消注释进行实验
%tmp = 1000;
%tmp_min = 0.001;
%alpha = 0.98;
%extreme=-1；
%varied_data=[0 0;1.5 10;1.5 12; -2 11; -4 -8;-5  2;2 -1.5;4 -2.5;5 1;-2 -2;-3 8;3 6;-1.5 0;-2.5 0;0.1 0.2];

draw_dist(varied_data);
[varied_data_new,tmp,counter]=tuihuo(tmp,tmp_min,alpha,varied_data,extreme);

%%
%此为自定义函数，不同题目需要有不同的自定义函数，用户需要自行修改
function [result] = val(varied_data,varied_single_data)
x=varied_data(:,1);
y=varied_data(:,2);
xx=varied_single_data(1);
yy=varied_single_data(2);
result = 0;
num_of_dots = length(x);
for i = 1:num_of_dots
    result = result + sqrt((xx - x(i))^2 + (yy - y(i))^2);
end
end

%%
%此为绘制初始图像的函数,针对不同的情况，用户需要自行更改
function []=draw_dist(varied_data)
x=varied_data(:,1);
y=varied_data(:,2);

x_min = floor(min(x));
y_min = floor(min(y));
x_max = ceil(max(x));
y_max = ceil(max(y));


resol = 10;
dx = x_min: 1/resol : x_max;
dy = y_min: 1/resol : y_max;

[xx, yy] = meshgrid(dx, dy);
zz = zeros(length(dy), length(dx));

for ii = 1:length(dx)
    for jj = 1:length(dy)
        zz(jj, ii) = val(varied_data,[dx(ii), dy(jj)]);
    end
end

contour(xx, yy, zz);
hold on;
scatter(x, y, 'MarkerFaceColor','blue');hold on;
end

%%
%退火的主体函数
function [varied_data_new,tmp,counter]=tuihuo(tmp,tmp_min,alpha,varied_data,extreme)
%判断变量维度及个数
[m,n]=size(varied_data);

%自动生成初始值并判断
for i=1:1:n
    varied_data_max(i)=max(varied_data(:,i));
    varied_data_min(i)=min(varied_data(:,i));
    varied_data_old(i) = (varied_data_max(i)-varied_data_min(i))*rand()+min(varied_data(:,i));%生成初始值
end

s_old = val(varied_data,varied_data_old);
s_new = s_old;

text_lt = text(0, 0, 'Init');

%计数器
counter = 0;

%退火的主体部分，一个循环
while(tmp > tmp_min)
    %随机扰动，需要保证扰动后的变量处于定义域内
    varied_new_mark=1;
    while(sum(varied_new_mark))
        for i=1:1:n
            delta(i) = rand() - 0.5;%此处可以自行更改大小
            varied_data_new(i)=varied_data_old(i) + delta(i);
            if(varied_data_new(i)<varied_data_min(i) || varied_data_new(i)>varied_data_max(i))
                varied_new_mark(i) = 1;%变量不能超出上下限
                break
            else
                varied_new_mark(i) = 0;
            end
        end
    end
    
    s_new = val(varied_data,varied_data_new);
    
    %求差值，extreme=1时，求最小值；=-1时，求最大值
    dE = (s_new - s_old)*extreme;
    
    %判断
    j = judge(dE, tmp);
    if(j)
        s_old = s_new;
        varied_data_old = varied_data_new;
    end
    
    %只有当dE < 0的情况下才降温
    if(dE < 0)
        %这里时循环过程中的绘图部分，请依照具体情况修改
        delete(text_lt);
        text_lt = text(-4, 6, {['Dist: ',num2str(s_old)];['Tmp: ', num2str(tmp)]});
        scatter(varied_data_old(1), varied_data_old(2), '.');%这里可以修改字符出现的位置
        pause(0.001);
        tmp = tmp * alpha;
    else
        counter = counter + 1;
    end
    
    %当接受更差的解的概率太小时，若又长时间找不到更优的解，那么退出循环，结束算法
    if(counter > 10000)%这里可以修改计数器的最大值
        break;
    end
end
end

%%
%{
名称：judge
用途：用于在随机扰动以后，判断是否选择这组数据
输入：扰动前后的变化量dE，退火温度t
输出：状态y,若y=1，为选择；y=0，为不选择
注意：
%}
function [y] = judge(dE, t)
  if(dE < 0)
    y = 1;
  else
    d = exp(-(dE / t));
    if(d > rand)
      y = 1;
    else
      y = 0;
    end
  end
end