模拟退火算法MATLAB

转载自：https://blog.csdn.net/pangel18/article/details/52349840

模拟退火用于处理最优化问题，可以求出当目标函数取得最小值时的决策变量的值。

在编写程序时需要根据具体问题设计算法，算法描述为：

（1）解空间（初始解）

（2）目标函数

（3）新解的产生
① 2 变换法

② 3 变换法

（4）代价函数差

（5）接受准则

（6）降温

（7）结束条件

下面MATLAB程序用于求解非线性规划：

min f(x)=x1^2+x2^2+8

st.

x1^2-x2>=0

-x1-x2^2+2=0

x1,x2>=0

[cpp]  view plain  copy

1. clear  
2. clc  
3.   
4. %生成初始解  
5. sol_new2=1;%（1）解空间（初始解）  
6. sol_new1=2-sol_new2^2;  
7. sol_current1 = sol_new1;   
8. sol_best1 = sol_new1;  
9. sol_current2 = sol_new2;   
10. sol_best2 = sol_new2;  
11. E_current = inf;  
12. E_best = inf;  
13.   
14. rand('state',sum(clock)); %初始化随机数发生器  
15. t=90; %初始温度  
16. tf=89.9; %结束温度  
17. a = 0.99; %温度下降比例  
18.   
19. while t>=tf%（7）结束条件  
20.     for r=1:1000 %退火次数  
21.           
22.         %产生随机扰动（3）新解的产生  
23.         sol_new2=sol_new2+rand*0.2;  
24.         sol_new1=2-sol_new2^2;  
25.           
26.         %检查是否满足约束  
27.         if sol_new1^2-sol_new2>=0 && -sol_new1-sol_new2^2+2==0 && sol_new1>=0 &&sol_new2>=0  
28.         else  
29.             sol_new2=rand*2;  
30.             sol_new1=2-sol_new2^2;  
31.             continue;  
32.         end  
33.           
34.         %退火过程  
35.         E_new=sol_new1^2+sol_new2^2+8;%（2）目标函数  
36.         if E_new<E_current%（5）接受准则  
37.                 E_current=E_new;  
38.                 sol_current1=sol_new1;  
39.                 sol_current2=sol_new2;  
40.                 if E_new<E_best  
41.                     %把冷却过程中最好的解保存下来  
42.                     E_best=E_new;  
43.                     sol_best1=sol_new1;  
44.                     sol_best2=sol_new2;  
45.                 end  
46.         else  
47.                 if rand<exp(-(E_new-E_current)/t)%（4）代价函数差  
48.                     E_current=E_new;  
49.                     sol_current1=sol_new1;  
50.                     sol_current2=sol_new2;  
51.                 else  
52.                     sol_new1=sol_current1;  
53.                     sol_new2=sol_current2;  
54.                 end  
55.         end  
56.         plot(r,E_best,'*')  
57.         hold on  
58.     end  
59.     t=t*a;%（6）降温  
60. end  
61.   
62. disp('最优解为：')  
63. disp(sol_best1)  
64. disp(sol_best2)  
65. disp('目标表达式的最小值等于：')  
66. disp(E_best)  

[cpp]  view plain  copy

1. 最优解为：  
2.     1.0038  
3.   
4.     0.9981  
5.   
6. 目标表达式的最小值等于：  
7.    10.0038  

司守奎的算法大全给出了利用模拟退火求解TSP问题的MATLAB算法：

[cpp]  view plain  copy

1. clc,clear  
2. load sj.txt %加载敌方100 个目标的数据，数据按照表格中的位置保存在纯文本  
3. 文件sj.txt 中  
4. x=sj(:,1:2:8);x=x(:);  
5. y=sj(:,2:2:8);y=y(:);  
6. sj=[x y];  
7. d1=[70,40];  
8. sj=[d1;sj;d1];  
9. sj=sj*pi/180;  
10. %距离矩阵d  
11. d=zeros(102);  
12. for i=1:101  
13. for j=i+1:102  
14. temp=cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2));  
15. d(i,j)=6370*acos(temp);  
16. end  
17. end  
18. d=d+d';  
19. S0=[];Sum=inf;  
20. rand('state',sum(clock));  
21. for j=1:1000  
22. S=[1 1+randperm(100),102];  
23. temp=0;  
24. -276-  
25. for i=1:101  
26. temp=temp+d(S(i),S(i+1));  
27. end  
28. if temp<Sum  
29. S0=S;Sum=temp;  
30. end  
31. end  
32. e=0.1^30;L=20000;at=0.999;T=1;  
33. %退火过程  
34. for k=1:L  
35. %产生新解  
36. c=2+floor(100*rand(1,2));  
37. c=sort(c);  
38. c1=c(1);c2=c(2);  
39. %计算代价函数值  
40. 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));  
41. %接受准则  
42. if df<0  
43. S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:102)];  
44. Sum=Sum+df;  
45. elseif exp(-df/T)>rand(1)  
46. S0=[S0(1:c1-1),S0(c2:-1:c1),S0(c2+1:102)];  
47. Sum=Sum+df;  
48. end  
49. T=T*at;  
50. if T<e  
51. break;  
52. end  
53. end  
54. % 输出巡航路径及路径长度  
55. S0,Sum