matlab练习程序（模拟退火SA）

http://www.cnblogs.com/tiandsp/archive/2013/07/02/3167785.html

拟退火首先从某个初始候选解开始，当温度大于0时执行循环。

在循环中，通过随机扰动产生一个新的解，然后求得新解和原解之间的能量差，如果差小于0，则采用新解作为当前解。

如果差大于0，则采用一个当前温度与能量差成比例的概率来选择是否接受新解。温度越低，接受的概率越小，差值越大，同样接受概率越小。

是否接受的概率用此公式计算：p=exp(-ΔE/T)。这里ΔE为新解与原解的差，T为当前的温度。

由于温度随迭代次数逐渐降低，因此获得一个较差的解的概率较小。

典型的模拟退火算法还使用了蒙特卡洛循环，在温度降低之前，通过多次迭代来找到当前温度下比较好的解。

这里使用模拟退火解旅行商问题，因为这个问题本身是一个NP难问题，所以也就求不到最优解，不过应该可以求得一个比较好的解，然后再手工优化。

具体到程序中，这里的随机扰动就是随机置换两个城市的位置，能量就是旅行商路线的总长度。

算法结果如下：

初始旅行商路线：

最终求得的旅行商路线：

每次迭代求得的旅行距离：

matlab代码如下：

main.m

clear all;close all;clcn=20;                   %城市个数
temperature=100*n;      %初始温度
iter=100;               %内部蒙特卡洛循环迭代次数%随机初始化城市坐标
city=struct([]);
for i=1:ncity(i).x=floor(1+100*rand()); city(i).y=floor(1+100*rand());
endl=1;                            %统计迭代次数
len(l)=computer_tour(city,n);   %每次迭代后的路线长度
netplot(city,n);                %初始旅行路线while temperature>0.001     %停止迭代温度for i=1:iter     %多次迭代扰动，一种蒙特卡洛方法，温度降低之前多次实验len1=computer_tour(city,n);         %计算原路线总距离tmp_city=perturb_tour(city,n);      %产生随机扰动len2=computer_tour(tmp_city,n);     %计算新路线总距离delta_e=len2-len1;  %新老距离的差值，相当于能量if delta_e<0        %新路线好于旧路线，用新路线代替旧路线city=tmp_city;else                        %温度越低，越不太可能接受新解；新老距离差值越大，越不太可能接受新解if exp(-delta_e/temperature)>rand() %以概率选择是否接受新解city=tmp_city;      %可能得到较差的解endend        endl=l+1;len(l)=computer_tour(city,n);   %计算新路线距离temperature=temperature*0.99;   %温度不断下降end
figure;
netplot(city,n);    %最终旅行路线figure;
plot(len)

computer_tour.m

function len=computer_tour(city,n)   %计算路线总长度，每个城市只计算和下家城市之间的距离。len=0;for i=1:n-1len=len+sqrt((city(i).x-city(i+1).x)^2+(city(i).y-city(i+1).y)^2);        endlen=len+sqrt((city(n).x-city(1).x)^2+(city(n).y-city(1).y)^2);
end

perturb_tour.m

function city=perturb_tour(city,n)  %随机置换两个不同的城市的坐标%产生随机扰动p1=floor(1+n*rand());p2=floor(1+n*rand());while p1==p2p1=floor(1+n*rand());p2=floor(1+n*rand());    endtmp=city(p1);city(p1)=city(p2);city(p2)=tmp;end

netplot.m

function netplot(city,n)        %连线各城市，将路线画出来hold on;for i=1:n-1plot(city(i).x,city(i).y,'r*');  line([city(i).x city(i+1).x],[city(i).y city(i+1).y]);  %只连线当前城市和下家城市     endplot(city(n).x,city(n).y,'r*');  line([city(n).x city(1).x],[city(n).y city(1).y]);     %最后一家城市连线第一家城市hold off;
end

matlab练习程序（模拟退火SA）相关推荐

爬山算法 ( Hill Climbing )/模拟退火(SA,Simulated Annealing)
一. 爬山算法 ( Hill Climbing ) 爬山算法是一种简单的贪心搜索算法,该算法每次从当前解的临近解空间中选择一个最优解作为当前解,直到达到一个局部最优解.爬山算法实现很简单,其主要缺点是 ...
matlab多元回归程序,多元回归程序MATLAB程序
<多元回归程序MATLAB程序>由会员分享,可在线阅读,更多相关<多元回归程序MATLAB程序(45页珍藏版)>请在人人文库网上搜索. 1.程序MATLAB多元回归程序matl ...
无源定位之时差估计的精确时差估计算法(ETDE)及MATLAB实现程序
精确时差估计算法(ETDE)及MATLAB实现程序算法原理算法总结性能分析实验结果算法原理假设两接收站分别接收的带噪信号为 {x(kT)=s(kT)+ε1(kT)y(kT)=s(kT−D) ...
matlab潮流程序,IEEE33节点matlab潮流程序.doc
IEEE33节点matlab潮流程序 Bus [1,0,0 ; 2,100, 60; 3,90,40; 4,120,80; 5,60,30; 6,60,20; 7, 200, 100 ; 8,200, ...
matlab有意思程序,matlab有意思的小程序
10个C++趣味小程序,很有意思的.VIP专享文档 VIP专享文档是百度文库认... 现在很多人使用微信的时间已经非常长了,他们注册的微信号往上可能已经是5年前的事情了,正是由于不少使用者在这个过程当 ...
matlab程序里nbus=x的意思,MATLAB潮流程序(IEEE14 直角坐标牛拉法)
MATLAB潮流程序(IEEE14 直角坐标牛拉法)clear baseMVA=100; %功率基值 %%读Data1中数据 load Data1.txt Bus=Data1(:,1); %节点号 V ...
怎样在matlab q-q图上读出斜率,Q分解法潮流计算matlab小程序
<Q分解法潮流计算matlab小程序>由会员分享,可在线阅读,更多相关<Q分解法潮流计算matlab小程序(18页珍藏版)>请在人人文库网上搜索. 1.Q分解法潮流计算matl ...
matlab期权风险评估算法,使用 MATLAB 应用程序根据期权价格估算风险中性密度 (risk-neutral density, RND)...
我们为什么选择 MATLAB 我们决定创建 MATLAB 应用程序估算 RND,因为我们希望研究成果得到广泛应用,而不是仅限于在量化经济学领域或是熟悉 MATLAB 编程的和金融研究人员使用. 我们发 ...
matlab密度特征,关于用MATLAB应用程序估算风险中性密度的性能分析和介绍
由于场外期权合约的买卖在交易双方间私下进行而非通过公开市场,因而可能很难确定合约的价格有利于买方还是卖方.为对这些合约进行定价,金融分析师往往依据看涨期权或看跌期权价格估算出风险中性密度(RND)值. ...
10 竞争神经网络与SOM神经网络matlab参考程序
%% I. 清空环境变量 clear all clc %% II. 训练集/测试集产生 %% % 1. 导入数据 load water_data.mat %% % 2. 数据归一化 attribute ...

matlab练习程序（模拟退火SA）

matlab练习程序（模拟退火SA）相关推荐

最新文章

热门文章