matlab模擬退火演算法
㈠ matlab全局優化與局部優化
在實際的工作和生活過程中，優化問題無處不在，比如資源如何分配效益最高，擬合問題，最小最大值問題等等。優化問題一般分為尺核局部最優和全局最優，局部最優，就是在函數值空間的一個有限區域內尋找最小值；而全局最優，是在函數值空間整個區域尋找最小值問題。
matlab中的提供的傳統優化工具箱（Optimization Tool），能實現局部最優，但要得全局最優，則要用全局最優化演算法（Global Optimization Tool），主要包括：
GlobalSearch 全局搜索和 MultiStart 多起點方法產生若干起始點，然後它們用局部求解器去找到起始點吸引盆處的最優點。
ga 遺傳演算法用一組起始點（稱為種群），通過迭代從種群中產生更好的點，只要初始種群覆蓋幾個盆，GA就能檢查幾個盆。
simulannealbnd 模擬退火完成一個隨機搜索，通常，模擬退火演算法接受一個點，只要這個點比前面那個好，它也偶而接受一個比較糟的點，目的是轉向不同的盆。
patternsearch 模式搜索演算法在接受一個點之前要看看其附近的一組點。假如附近的某些點屬於不同的盆，模式搜索演算法本質上時同時搜索若干個盆。
下面我就一些具體例子，來說明各種優化方法：
可以看出，初值x0不同，得到的結果侍孫截然不同，這說明這種求解器，能尋找局部最優，但不一定是全局最優，在起點為8時，取得全局最優。
我們換一種求解器：fminbound,這種求解器不需要給點初值。
因此全局最優的方法能夠獲取全局最優。
結果：最小二乘擬合結果誤差較大
可以陵談掘看出全局優化結果較好，誤差較小。
這種演算法的運行時間：Elapsed time is 6.139324 seconds.
使用並行計算的方式解決
結果：14 out of 100 local solver runs converged with a positive local solver exit flag.
Elapsed time is 4.358762 seconds.Sending a stop signal to all the labs ... stopped.可以看出，運行時間減少，提高了效率。
這種方法只能尋找局部最優。
現在用全局優化演算法：
㈡ matlab模擬退火用法
matlab自念頃帶的模擬退火工具箱演算法知蠢是simulannealbnd函搭高陪數，輸入參數是fun,x0,lb,ub,沒有約束項，所以，你這個不能用。可換別的演算法。
㈢ matlab 用模擬退火，使用了option的設置，如下 options = saoptimset('HybridFcn',@patternsearch,);
這是對尋優函數搜索方式的設定,LargeScale指大規模搜索,off表示在殲廳規模搜索氏乎隱模式關閉,Simplex指單純形算... 一般選擇final顯示最終結果。 在MATLAB運行窗口直接輸入optimset可顯示所有可設置的參數及對應頃橋的可選擇的參...
㈣ 求一個模擬退火演算法優化BP神經網路的一個程序（MATLAB）
「模擬退火」演算法是源於對熱力學中退火過程的模擬，在某一給定初溫下，通過緩慢下降溫度參數，使演算法能夠在多項式時間內給出一個近似最優解。退火與冶金學上的『退火』相似，而與冶金學的淬火有很大區別，前者是溫度緩慢下降，後者是溫度迅速下降。
「模擬退火」的原理也和金屬退火的原理近似：我們將熱力學的理論套用到統計學上，將搜尋空間內每一點想像成空氣內的分子；分子的能量，就是它本身的動能；而搜尋空間內的每一點，也像空氣分子一樣帶有「能量」，以表示該點對命題的合適程度。演算法先以搜尋空間內一個任意點作起始：每一步先選擇一個「鄰居」，然後再計算從現有位置到達「鄰居」的概率。
這個演算法已經很多人做過，可以優化BP神經網路初始權值。附件是解決TSP問題的matlab代碼，可供參考。看懂了就可以自己編程與bp代碼結合。
㈤ MATLAB最優化工具箱的模擬退火演算法，怎麼把自變數設置為整數變數
Matlab嵌入的模擬退火演算法 版本 2010 還不能求解 整數變數優化問題，不確定更高版本是否可唯寬做以巧陸求解指衡。
㈥ matlab用模擬退火法求函數f(x,y)=sin(xy)+x^2+y^2的最小值。
能解釋一下為什麼要用模擬退火法嗎？
這個函數的最小值直接觀察就能看出來在x=y=0處，或者用fminunc也可以求解：
x=fminunc(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,[0 0])
當然，用模擬退火演算法也很簡單，換一下函數即可：
x=simulannealbnd(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,[0 0])
㈦ MATLAB遺傳模擬退火演算法的聚類演算法，程序運行出錯。rep函數，求高手指點！
同求高手解答此問題
㈧ 模擬退火演算法matlab怎樣找到下一個新解
我剛剛回答了一個額。
從代碼角度來說，就是2個循環，一個總溫度外循環（足夠大，並逐漸減小），另一個內部循環（使其達到該特定溫度下的平衡，怎麼算平衡自己定義的）。很多書都說外部的總溫度外循環，卻忽略了內部循環，內部循環值應該多大，我也很模糊。
㈨ 誰能給我舉一個模擬退火演算法MATLAB源代碼的簡單例子
clear
clc
a = 0.95
k = [5;10;13;4;3;11;13;10;8;16;7;4];
k = -k; % 模擬退火演算法是求解最小值，故取負數
d = [2;5;18;3;2;5;10;4;11;7;14;6];
restriction = 46;
num = 12;
sol_new = ones(1,num); % 生成初始解
E_current = inf;E_best = inf;
% E_current是當前解對應的目標函數值（即背包中物品總價值）；
% E_new是新解的目標函數值；
% E_best是最優解的
sol_current = sol_new; sol_best = sol_new;
t0=97; tf=3; t=t0;
p=1;
while t>=tf
for r=1:100
%產生隨機擾動
tmp=ceil(rand.*num);
sol_new(1,tmp)=~sol_new(1,tmp);
%檢查是否滿足約束
while 1
q=(sol_new*d <= restriction);
if ~q
p=~p; %實現交錯著逆轉頭尾的第一個1
tmp=find(sol_new==1);
if p
sol_new(1,tmp)=0;
else
sol_new(1,tmp(end))=0;
end
else
break
end
end
% 計算背包中的物品價值
E_new=sol_new*k;
if E_new<E_current
E_current=E_new;
sol_current=sol_new;
if E_new<E_best
% 把冷卻過程中最好的解保存下來
E_best=E_new;
sol_best=sol_new;
end
else
if rand<exp(-(E_new-E_current)./t)
E_current=E_new;
sol_current=sol_new;
else
sol_new=sol_current;
end
end
end
t=t.*a;
end
disp('最優解為：')
sol_best
disp('物品總價值等於：')
val=-E_best;
disp(val)
disp('背包中物品重量是：')
disp(sol_best * d)
㈩ MATLAB模擬退火求解最優化問題時每次的結果都不一樣，如何解決回答後適當加分
模擬退火演算法，蟻群演算法和遺傳演算法都是啟發式隨機搜索演算法，這種演算法理論上式不可能得到最優解的，只能去接近它，由於初始解是隨機的，所以每次運行結果必然是不一樣的。根據你問題的規模運行數十次和數百次，然後求平均值，可以判斷你的演算法優劣。