模拟退火算法工具箱及应用精选文档.ppt

《模拟退火算法工具箱及应用精选文档.ppt》由会员分享，可在线阅读，更多相关《模拟退火算法工具箱及应用精选文档.ppt（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、模拟退火算法工具箱及应用本讲稿第一页，共十四页1.理论基础1.1模拟退火算法工具箱（simulatedannealingtoolbox，SAT）在R2009a版本中，MATLAB自带的遗传算法与直接搜索工具箱集成了模拟退火算法。基本原理：模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。2023/4/72023/4/72本讲稿第二页，共十四页SA算法结构示意图simulannealbndsimulannealsimulannealcommon.

2、msaenginesolverData.running=ture?sacheckexit.msanewpoint.msaupdates.mgadsplot.m得到最优解得到最优解NY2023/4/72023/4/73本讲稿第三页，共十四页SAT的使用只需要调用主函数simulannealbnd即可，函数simulannealbnd则调用函数simulanneal对模拟退火问题进行求解。函数simulanneal依次调用函数simulannealcommon和函数saengine，并最终得到最优解。在函数saengine中，SA进行迭代搜索，直到满足一定的条件才退出。在迭代过程中，函数sanew

3、point和函数saupdates是关键函数。2023/4/72023/4/74本讲稿第四页，共十四页1.2模拟退火的一些基本概念l目标函数（objective function）：即待优化的函数。在调用函数simulannealbnd运行模拟退火算法时，需要编写该目标函数的M文件。SAT是对目标函数取最小值进行优化的，对于最大值的优化问题，只需要将目标函数乘以-1即可化为最小值优化问题。l温度(temperature):是一个重要的参数，他随着算法的迭代逐步下降，以模拟固体退火过程中的降温过程。一方面，温度用于限制SA产生的新解与当前解之间的距离，即SA的搜索范围；另一方面，温度决定了SA以

4、多大的概率接受目标函数值比当前解的目标函数值差的新解。2023/4/72023/4/75本讲稿第五页，共十四页l退火进度表（annealingschedule）：是指温度随算法迭代的下降速度。退火过程越缓慢，SA找到全局最优解的机会就越大。退火进度表包括初始温度（initialtemperature）及温度更新函数（temperatureupdatefunction）的参数。lMeteopolis准则：是指SA接受新解的概率，对于目标函数取最小值的问题，SA接受新解的概率为：2023/4/72023/4/76本讲稿第六页，共十四页案例分析求解Rastrigin函数的最小值。如何绘制？2023/

5、4/72023/4/77本讲稿第七页，共十四页程序：x1=-5:0.01:5;x2=-5:0.01:5;x1,x2=meshgrid(x1,x2);x3=20+x12+x22-10*(cos(2*pi*x1)+cos(2*pi*x2);surfc(x1,x2,x3)colormaphsv2023/4/72023/4/78本讲稿第八页，共十四页解题步骤：lStartToolboxesGlobaloptimizationOptimizationtoolloptimtool(simulannealbnd)2023/4/72023/4/79本讲稿第九页，共十四页命令行方式使用SAT：x,fval=simulannealbnd(fun,x0,lb,ub,options)options=saoptimset(Param1,value1,Param2,value2,);2023/4/72023/4/710本讲稿第十页，共十四页2023/4/72023/4/711本讲稿第十一页，共十四页2023/4/72023/4/712本讲稿第十二页，共十四页rmsep=0.48222023/4/72023/4/713本讲稿第十三页，共十四页rmsep=0.48082023/4/72023/4/714本讲稿第十四页，共十四页