- 1、本文档共8页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
模拟退火法-Read
基于MATLAB的模拟退火算法的实现
一、概述
旅行商问题(TSP)是指旅行商必须轮流到N个城市去旅游,每个城市仅去一次,最后返回原出发城市,任务是为旅行商找到一条满足上述条件的最短路径。模拟退火算法是解决TS问题的有效方法之一,其最初的思想由Metropolis在1953年提出,Kirkpatrick在1983年成功地将其应用在组合最优化问题中。T_ini=50,令迭代次数T_end等于1;
(2)求目标函数(能量函数)E=f(x)的函数值;
(3)按照由生成函数g (△x,T)确定的概率选择△x,令新点等于x+ △x;
(4)计算新的目标函数值=f():
(5)按照由接收函数h(△E, T)确定的概率将x设为, E设为,其中,△E=一E;
(6)按照退火时间表降低温度T;
(7)增加迭代次数T_end,如果T_end达到最大迭代次数,停止迭代。否则返回步骤(3)。
二、用MATLAB实现模拟退火算法
MATLAB是由美国Math works公司推出的仿真软件,经过不断发展,现在已成为国际上公认的最优秀数值计算仿真软件之一MATLAB的数值计算能力非常强,对复杂间题往往只需写很短的代码就能实现。此外,他还提供了交互式编程环境,以及丰富可靠的矩阵运算、图形绘制、数据处理、图像处理、模糊控制等工具箱。利用MATLAB提供的强大矩阵处理能力及优秀的绘图功能编制模拟退火算法有着强大的优势。
本文以著名的旅行商问题(TSP)为例说明如何利用MATLAB语言实现模拟退火算法。旅行商问题即TSP问题(Travelling Salesman Problem)是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路经的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。city_n=30;
for i=1:30
solution(i)=i;
end
for i=1:60
pos_a=round(29*rand)+1; %随机变换城市序列
pos_b=round(29*rand)+1;
if pos_a~=pos_b
temp=solution(pos_a);
solution(pos_a)=solution(pos_b);
solution(pos_b)=temp;
end
end
%=========================================================
%计算创建最近邻表
for i=1:city_n
for j=1:city_n
x1=pos(i,1);
y1=pos(i,2);
x2=pos(j,1);
y2=pos(j,2);
dis_table(i,j)=sqrt((x1-x2)^2+(y1-y2)^2);
end
end
for i=1:city_n
dis_table(i,i)=inf;
end
for i=1:round(city_n/10) %创建最近邻表
for j=1:city_n
m=min(dis_table(j,:));
m_pos=min(find(m==dis_table(j,:)));
neighbor_table(j,i)=m_pos;
dis_table(j,m_pos)=inf;
end
end
clear i;
clear j;
clear m;
clear m_pos;
clear pos_a;
clear pos_b;
clear temp;
clear x1;
clear x2;
clear y1;
clear y2;
clear dis_table;
2、% 退温函数
T_cur=0。95*T_cur;if adapt_cur=adapt_last
solution=solution_temp; %若当前解优于上代解,则以概率1接收
else
if randexp((adapt_cur-adapt_last)/T_cur) %概率接收
solution=solution_temp;
end
end
4、%适应值计算函数
dis=0;
dis_sum=0;
x1=0;
x2=0;
y1=0;
y2=0;
for j=1:(city_n-1) %计算前39段距离
x1=pos(solu
文档评论(0)