《数学建模算法与应用第二版》——chapter12. 现代优化算法

zwszws111

于 2020-08-06 17:54:15 发布

阅读量654

点赞数

分类专栏：《数学建模算法与应用笔记》

本文链接：https://blog.csdn.net/zwszws111/article/details/107845486

版权

本文介绍了现代优化算法，包括模拟退火算法和遗传算法。模拟退火算法的应用举例显示了其计算时间为44小时。遗传算法在解决无人机航路规划等组合优化问题时具有优势，通过交叉和变异操作寻找全局最优解。文章还讨论了改进的遗传算法，其中提出了将变异操作与交叉操作分离，并结合混沌理论以提高算法性能。同时，提到了MATLAB遗传算法工具箱的使用方法。

摘要由CSDN通过智能技术生成

1. 模拟退火算法

1.1 算法简介

在这里插入图片描述

1.2 应用举例

在这里插入图片描述

clc, clear
sj0=load('sj.txt');    %加载100个目标的数据，数据按照表格中的位置保存在纯文本文件sj.txt中
x=sj0(:,[1:2:8]);x=x(:);
y=sj0(:,[2:2:8]);y=y(:);
sj=[x y]; d1=[70,40]; 
sj=[d1;sj;d1]; sj=sj*pi/180; %角度化成弧度
d=zeros(102); %距离矩阵d初始化
for i=1:101
   for j=i+1:102
d(i,j)=6370*acos(cos(sj(i,1)-sj(j,1))*cos(sj(i,2))*cos(sj(j,2))+sin(sj(i,2))*sin(sj(j,2)));
   end
end
d=d+d';
path=[];long=inf; %巡航路径及长度初始化
rand('state',sum(clock));  %初始化随机数发生器
for j=1:1000  %求较好的初始解
    path0=[1 1+randperm(100),102]; temp=0;
    for i=1:101
        temp=temp+d