SA模拟退火算法（附MATLAB源码）

优化算法之模拟退火算法：

模拟退火算法(Simulated Annealing）,简称 SA，其主要思想借鉴于固体的退火原理,当固体的温度很高的时候,内能比较大,固体的内部粒子处于快速无序运动,当温度慢慢降低的过程中,固体的内能减小,粒子的慢慢趋于有序,最终,当固体处于常温时,内能达到最小,此时,粒子最为稳定。

---

SA特点：

优点：

1. 不管函数形式多复杂，模拟退火算法更有可能找到全局最优解。
2. 相对来说不会那么容易陷入局部最优解。
3. 掌握条件语句

缺点：

1. 初始温度和马尔科夫链长度的设置问题：初始温度越高，且马尔科夫链越长，算法搜索越充分，得到全局最优解的可能性越大，但这也意味着需要耗费更多的计算时间。
2. 退火速度问题：温度衰减系数越小，温度下降越快，对应的迭代次数也就越少，算法搜索的次数也就越少，因此导致了上图中温度衰减系数0.9的模拟退火算法没有搜索到最优解。

---

SA学习应用推广及步骤：

1.应用推广：

.  旅行商问题

   求极值问题

2.模拟退火的步骤：
（1）初始化：初始温度T（保证充分大），初始解状态S（是算法迭代的起点），每个T值的迭代次数L；
（2）对k=1，2，L做第（3&#x