matlab模拟退火算法
㈠ matlab全局优化与局部优化
在实际的工作和生活过程中，优化问题无处不在，比如资源如何分配效益最高，拟合问题，最小最大值问题等等。优化问题一般分为尺核局部最优和全局最优，局部最优，就是在函数值空间的一个有限区域内寻找最小值；而全局最优，是在函数值空间整个区域寻找最小值问题。
matlab中的提供的传统优化工具箱（Optimization Tool），能实现局部最优，但要得全局最优，则要用全局最优化算法（Global Optimization Tool），主要包括：
GlobalSearch 全局搜索和 MultiStart 多起点方法产生若干起始点，然后它们用局部求解器去找到起始点吸引盆处的最优点。
ga 遗传算法用一组起始点（称为种群），通过迭代从种群中产生更好的点，只要初始种群覆盖几个盆，GA就能检查几个盆。
simulannealbnd 模拟退火完成一个随机搜索，通常，模拟退火算法接受一个点，只要这个点比前面那个好，它也偶而接受一个比较糟的点，目的是转向不同的盆。
patternsearch 模式搜索算法在接受一个点之前要看看其附近的一组点。假如附近的某些点属于不同的盆，模式搜索算法本质上时同时搜索若干个盆。
下面我就一些具体例子，来说明各种优化方法：
可以看出，初值x0不同，得到的结果侍孙截然不同，这说明这种求解器，能寻找局部最优，但不一定是全局最优，在起点为8时，取得全局最优。
我们换一种求解器：fminbound,这种求解器不需要给点初值。
因此全局最优的方法能够获取全局最优。
结果：最小二乘拟合结果误差较大
可以陵谈掘看出全局优化结果较好，误差较小。
这种算法的运行时间：Elapsed time is 6.139324 seconds.
使用并行计算的方式解决
结果：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，运行时间减少，提高了效率。
这种方法只能寻找局部最优。
现在用全局优化算法：
㈡ matlab模拟退火用法
matlab自念顷带的模拟退火工具箱算法知蠢是simulannealbnd函搭高陪数，输入参数是fun,x0,lb,ub,没有约束项，所以，你这个不能用。可换别的算法。
㈢ matlab 用模拟退火，使用了option的设置，如下 options = saoptimset('HybridFcn',@patternsearch,);
这是对寻优函数搜索方式的设定,LargeScale指大规模搜索,off表示在歼厅规模搜索氏乎隐模式关闭,Simplex指单纯形算... 一般选择final显示最终结果。 在MATLAB运行窗口直接输入optimset可显示所有可设置的参数及对应顷桥的可选择的参...
㈣ 求一个模拟退火算法优化BP神经网络的一个程序（MATLAB）
“模拟退火”算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。退火与冶金学上的‘退火’相似，而与冶金学的淬火有很大区别，前者是温度缓慢下降，后者是温度迅速下降。
“模拟退火”的原理也和金属退火的原理近似：我们将热力学的理论套用到统计学上，将搜寻空间内每一点想象成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点，也像空气分子一样带有“能量”，以表示该点对命题的合适程度。算法先以搜寻空间内一个任意点作起始：每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。
这个算法已经很多人做过，可以优化BP神经网络初始权值。附件是解决TSP问题的matlab代码，可供参考。看懂了就可以自己编程与bp代码结合。
㈤ MATLAB最优化工具箱的模拟退火算法，怎么把自变量设置为整数变量
Matlab嵌入的模拟退火算法 版本 2010 还不能求解 整数变量优化问题，不确定更高版本是否可唯宽做以巧陆求解指衡。
㈥ matlab用模拟退火法求函数f(x,y)=sin(xy)+x^2+y^2的最小值。
能解释一下为什么要用模拟退火法吗？
这个函数的最小值直接观察就能看出来在x=y=0处，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])
当然，用模拟退火算法也很简单，换一下函数即可：
x=simulannealbnd(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,[0 0])
㈦ MATLAB遗传模拟退火算法的聚类算法，程序运行出错。rep函数，求高手指点！
同求高手解答此问题
㈧ 模拟退火算法matlab怎样找到下一个新解
我刚刚回答了一个额。
从代码角度来说，就是2个循环，一个总温度外循环（足够大，并逐渐减小），另一个内部循环（使其达到该特定温度下的平衡，怎么算平衡自己定义的）。很多书都说外部的总温度外循环，却忽略了内部循环，内部循环值应该多大，我也很模糊。
㈨ 谁能给我举一个模拟退火算法MATLAB源代码的简单例子
clear
clc
a = 0.95
k = [5;10;13;4;3;11;13;10;8;16;7;4];
k = -k; % 模拟退火算法是求解最小值，故取负数
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是当前解对应的目标函数值（即背包中物品总价值）；
% E_new是新解的目标函数值；
% E_best是最优解的
sol_current = sol_new; sol_best = sol_new;
t0=97; tf=3; t=t0;
p=1;
while t>=tf
for r=1:100
%产生随机扰动
tmp=ceil(rand.*num);
sol_new(1,tmp)=~sol_new(1,tmp);
%检查是否满足约束
while 1
q=(sol_new*d <= restriction);
if ~q
p=~p; %实现交错着逆转头尾的第一个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
% 计算背包中的物品价值
E_new=sol_new*k;
if E_new<E_current
E_current=E_new;
sol_current=sol_new;
if E_new<E_best
% 把冷却过程中最好的解保存下来
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('最优解为：')
sol_best
disp('物品总价值等于：')
val=-E_best;
disp(val)
disp('背包中物品重量是：')
disp(sol_best * d)
㈩ MATLAB模拟退火求解最优化问题时每次的结果都不一样，如何解决回答后适当加分
模拟退火算法，蚁群算法和遗传算法都是启发式随机搜索算法，这种算法理论上式不可能得到最优解的，只能去接近它，由于初始解是随机的，所以每次运行结果必然是不一样的。根据你问题的规模运行数十次和数百次，然后求平均值，可以判断你的算法优劣。