【matlab】模拟退火算法代码分析（附sj.txt文件）

简介

模拟退火算法得益于材料的统计力学的研究成果。统计力学表明材料中粒子的不 同结构对应于粒子的不同能量水平。在高温条件下，粒子的能量较高，可以自由运动和 重新排列。在低温条件下，粒子能量较低。如果从高温开始，非常缓慢地降温（这个过 程被称为退火），粒子就可以在每个温度下达到热平衡。当系统完全被冷却时，终形 成处于低能状态的晶体。

白话理解：一开始为算法设定一个较高的值T（模拟温度），算法不稳定，选择当前较差解的概率很大；随着T的减小，算法趋于稳定，选择较差解的概率减小，最后，T降至终止迭代的条件，得到近似最优解。

如果温度下降十分缓慢，而在每个温度都有足够多次的状态转移，使之在每一个 温度下达到热平衡，则全局优解将以概率 1 被找到。因此可以说模拟退火算法可以找 到全局优解。

在模拟退火算法中应注意以下问题：

1. 理论上，降温过程要足够缓慢，要使得在每一温度下达到热平衡。但在计算 机实现中，如果降温速度过缓，所得到的解的性能会较为令人满意，但是算法会太慢， 相对于简单的搜索算法不具有明显优势。如果降温速度过快，很可能终得不到全局 优解。因此使用时要综合考虑解的性能和算法速度，在两者之间采取一种折衷。
2. 要确定在每一温度下状态转换的结束准则。实际操作可以考虑当连续m 次的 转换过程没有使状态发生变化时结束该温度下的状态转换。终温度的确定可以提前定 为一个较小的值 e T ，或连续几个温度下转换过程没有使状态发生变化算法就结束。
3. 选择初始温度和确定某个可行解的邻域的方法也要恰当。

模拟要求

1. 初始温度足够高
2. 降温过程足够慢
3. 中止温度足够低

计算步骤

1. 解空间

2. 目标函数

3. 新解的产生

4. 代价函数差

5. 接受准则

6. 降温

7. 结束条件

   具体步骤见链接

   https://pan.baidu.com/s/1X2kOc3w4BThLfNfZuvjfBQ

算法要点

1. 新解的选取
2. 参数的调整

应用实例

我方有一个基地，经度和纬度为（70,40）。假设我方飞机的速度为 1000 公里/小时。 我方派一架飞机从基地出发，侦察完敌方所有目标，再返回原来的基地。在敌方每一目 标点的侦察时间不计，求该架飞机所花费的时间（假设我方飞机巡航时间可以充分长） 。

这是一个旅行商问题，按照上面的步骤进行分析求解

MATLAB代码及分析如下

sj.txt文件：
https://pan.baidu.com/s/17k4Rlu3iCoQONxmNYvYPfg
若文件失效，文章最后附数字

clc
clear
load sj.txt%加载敌方 100 个目标的数据 
x=sj(:,1:2:8);%读取从第一列到第八列的数据，每隔一列读取一列作为x
x=x(:);%把x矩阵按列拆分后纵向排列成一个大的列向量，即将25*4矩阵变为100*1矩阵
y=sj(:,2:2:8); %读取从第二列到第八列的数据，每隔一列读取一列作为y
y=y(:); %把y矩阵按列拆分后纵向排列成一个大的列向量
sj=[x y];
d1=[70,40];%初始坐标
sj=[d1;sj;d1];%加上头尾坐标，确保最后返回原点
sj = sj*pi/180;%转化角度
d=zeros(102);%初始化距离为0

%求解各点间距离
for i=1:101
    for j=i+1:102
        temp=cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2));
        d(i,j)=6370*acos(temp);
    end
end

d = d +d';%对称矩阵
S0=[];
Sum=inf;%初始化和
rand('state',sum(clock));%随机数种子
for j=1:1000
    S=[1 1+randperm(100),102];%染色体，S=[ 1 中间100个打乱的数字 102]
    temp=0;
    % 计算打乱的点之间的距离和
    for i=1:101
        temp=temp+d(S(i),S(i+1));
    end
    if temp<Sum
        S0=S;%S0存储最小染色体序列
        Sum=temp;
    end
end

e=0.1^30;
L=20000;
at=0.999;
T=1;
%退火过程
for k=1:L
    %产生新解
    c=2+floor(100*rand(1,2));%产生一行二列0-99之间的随机数
    c=sort(c);%升序排序
    c1=c(1);
    c2=c(2);
    %计算代价函数值
    df=d(S0(c1-1),S0(c2))+d(S0(c1),S0(c2+1))-d(S0(c1-1),S0(c1))-d(S0(c2),S0(c2+1));
    %接受准则-套公式
    if df<0||exp(-df/T)>rand(1)
        S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:102)];
        Sum=Sum+df;
    end
    T=T*at;
    if T<e %当前温度低于最终温度，退出循环
        break;
    end
end
% 输出巡航路径及路径长度
S0,Sum

多次运行发现最小值约莫在Sum=4.1e+04这边，用遗传算法可以得到更好的结果。

其中一种路径如下图

sj.txt文件内容
53.7121   15.3046 51.1758    0.0322 46.3253   28.2753 30.3313    6.9348
56.5432   21.4188 10.8198   16.2529 22.7891   23.1045 10.1584   12.4819
20.1050   15.4562 1.9451    0.2057 26.4951   22.1221 31.4847    8.9640
26.2418   18.1760 44.0356   13.5401 28.9836   25.9879 38.4722   20.1731
28.2694   29.0011 32.1910    5.8699 36.4863   29.7284 0.9718   28.1477
8.9586   24.6635 16.5618   23.6143 10.5597   15.1178 50.2111   10.2944
8.1519    9.5325 22.1075   18.5569 0.1215   18.8726 48.2077   16.8889
31.9499   17.6309 0.7732    0.4656 47.4134   23.7783 41.8671    3.5667
43.5474    3.9061 53.3524   26.7256 30.8165   13.4595 27.7133    5.0706
23.9222    7.6306 51.9612   22.8511 12.7938   15.7307 4.9568    8.3669
21.5051   24.0909 15.2548   27.2111 6.2070    5.1442 49.2430   16.7044
17.1168   20.0354 34.1688   22.7571 9.4402    3.9200 11.5812   14.5677
52.1181    0.4088 9.5559   11.4219 24.4509    6.5634 26.7213   28.5667
37.5848   16.8474 35.6619    9.9333 24.4654    3.1644 0.7775    6.9576
14.4703   13.6368 19.8660   15.1224 3.1616    4.2428 18.5245   14.3598
58.6849   27.1485 39.5168   16.9371 56.5089   13.7090 52.5211   15.7957 
38.4300    8.4648 51.8181   23.0159 8.9983   23.6440 50.1156   23.7816
13.7909    1.9510 34.0574   23.3960 23.0624    8.4319 19.9857    5.7902
40.8801   14.2978 58.8289   14.5229 18.6635    6.7436 52.8423   27.2880
39.9494   29.5114 47.5099   24.0664 10.1121   27.2662 28.7812   27.6659
8.0831   27.6705 9.1556   14.1304 53.7989    0.2199 33.6490    0.3980
1.3496   16.8359 49.9816    6.0828 19.3635   17.6622 36.9545   23.0265
15.7320   19.5697 11.5118   17.3884 44.0398   16.2635 39.7139   28.4203
6.9909   23.1804 38.3392   19.9950 24.6543   19.6057 36.9980   24.3992
4.1591    3.1853 40.1400   20.3030 23.9876    9.4030 41.1084   27.7149