【智能优化算法应用】06模拟退火算法应用

作者：康慎吾

• 模拟退火算法流程图
  
• 物理退火过程
         加温过程 等温过程 冷却过程
• Metropolis准则：
  在某个温度下固体分子从一个状态转移到另一个状态时，
         如果新状态的内能小，则无条件接受；
         如果新状态的内能大，则以一定的概率接受它。
  

function [s, R]=Metropolis(S1, S2,D, T)
R1=PathLength(D,S1);
N=length(S1);
R2=-PathLength(D, S2);
dC=R2-R1;
if dC<0
  S=S2;
  R=R2;
Else if exp(-dC/T)>=rand
  S=S2;
  R=R2;
else
  S=S1;
  R=R1;
end

• 控制温度T的衰减函数(温度更新函数)
  用于在外循环中修改温度值。最常用的温度更新函数为指数退温函数。
  
  其中,0<α<1是一个接近1的常数。一般取0.5-0.99。
  注意：小的衰减量可能导致算法进程迭代次数的增加,从而使算法进程接受更多的变换,从而访问更多的邻域,搜索更大范围的解空间,返回更高质量的最终解。
• 模拟退火算法与金属退火过程的相似关系
  
• 算法应用:TSP问题

下一节：【智能优化算法应用】07禁忌搜算算法应用...