模擬退火算法工具箱及應(yīng)用

1、模擬退火算法工具箱及應(yīng)用1、案例背景 模擬退火算法（simulated annealing, sa）是一種模擬固體退火過程的迭代搜索優(yōu)化算法。在每一次迭代過程中，sa隨機產(chǎn)生一個新的搜索點，該新點與當(dāng)前點之間的距離，或者說算法搜索的范圍，與固體退火的溫度有關(guān)，具體地說，隨著固體溫度的下降，算法搜索的范圍會越來越小，以使sa收斂于最小值點。假設(shè)是最小值優(yōu)化問題，那么當(dāng)新點的目標(biāo)函數(shù)值比當(dāng)前點的目標(biāo)函數(shù)值小時，sa毫不猶豫地接受該新點，使其成為下一次迭代的當(dāng)前點，而當(dāng)新點的目標(biāo)函數(shù)值比當(dāng)前點的目標(biāo)函數(shù)值大時，sa不是一刀切地拒絕該新點，而是以一定的概率接受該新點，該概率的大小也與固體溫度的高低有關(guān)

2、。通過這樣一種接受目標(biāo)函數(shù)值比當(dāng)前點的目標(biāo)函數(shù)值差的新點的方式，sa可以跳出局部最優(yōu)值，有可能搜索到全局最優(yōu)點。2、案例目錄：第21章模擬退火算法工具箱及應(yīng)用21.1案例背景21.1.1模擬退火算法21.1.2模擬退火算法工具箱21.1.3模擬退火算法的一些基本概念21.2代碼實現(xiàn)21.2.1sanewpoint函數(shù) 21.2.1.1annealingfcn函數(shù) 21.2.1.2acceptancefcn函數(shù)21.2.2saupdates函數(shù)21.2.3sat的使用 21.2.3.1gui方式使用sat 21.2.3.2命令行方式使用sat21.3案例分析21.3.1 模型建立21.3.2sa

3、t的應(yīng)用21.3.3結(jié)果分析21.4參考文獻(xiàn)3、案例實例及結(jié)果：作為案例，這里將使用模擬退火算法工具箱(sat)求rastrigin函數(shù)的最小值。其圖形如下所示：優(yōu)化過程如下：所得最優(yōu)解及其對應(yīng)的目標(biāo)函數(shù)值為：4、主程序：clearclcobjectivefunction = my_first_sa; % function handle to the objective functionx0 = 2.5 2.5; % starting pointlb = -5 -5; % lower boundub = 5 5; % upper boundoptions = saoptimset(maxiter,500,stalliterlim,500,tolfun,1e-100, annealingfcn,annealingfast,initialtemperature,100,temperaturefcn,temperatureexp,reannealinterval,500, plotfcns,saplotbestx, saplotbestf, saplotx, saplotf);x,f