您好,欢迎访问三七文档
当前位置:首页 > 行业资料 > 能源与动力工程 > 模拟退火算法原理及matlab源代码
模拟退火算法模拟退火算法是一种通用的随机搜索算法,是局部搜索算法的扩展。它的思想是再1953年由metropolis提出来的,到1983年由kirkpatrick等人成功地应用在组合优化问题中。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。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解,这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(CoolingSchedule)控制,包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。模拟退火算法新解的产生和接受可分为如下四个步骤:第一步是由一个产生函数从当前解产生一个位于解空间的新解;为便于后续的计算和接受,减少算法耗时,通常选择由当前新解经过简单地变换即可产生新解的方法,如对构成新解的全部或部分元素进行置换、互换等,注意到产生新解的变换方法决定了当前新解的邻域结构,因而对冷却进度表的选取有一定的影响。第二步是计算与新解所对应的目标函数差。因为目标函数差仅由变换部分产生,所以目标函数差的计算最好按增量计算。事实表明,对大多数应用而言,这是计算目标函数差的最快方法。第三步是判断新解是否被接受,判断的依据是一个接受准则,最常用的接受准则是Metropo1is准则:若Δt′0则接受S′作为新的当前解S,否则以概率exp(-Δt′/T)接受S′作为新的当前解S。第四步是当新解被确定接受时,用新解代替当前解,这只需将当前解中对应于产生新解时的变换部分予以实现,同时修正目标函数值即可。此时,当前解实现了一次迭代。可在此基础上开始下一轮试验。而当新解被判定为舍弃时,则在原当前解的基础上继续下一轮试验。模拟退火算法与初始值无关,算法求得的解与初始解状态S(是算法迭代的起点)无关;模拟退火算法具有渐近收敛性,已在理论上被证明是一种以概率l收敛于全局最优解的全局优化算法;模拟退火算法具有并行性。模拟退火算法的步骤:(1)初始化:初始温度T(充分大),初始解状态S(是算法迭代的起点),每个T值的迭代次数L(2)对k=1,……,L做第(3)至第6步:(3)产生新解S′(4)计算增量Δt′=C(S′)-C(S),其中C(S)为评价函数(5)若Δt′0则接受S′作为新的当前解,否则以概率exp(-Δt′/T)接受S′作为新的当前解.(6)如果满足终止条件则输出当前解作为最优解,结束程序。终止条件通常取为连续若干个新解都没有被接受时终止算法。(7)T逐渐减少,且T-0,然后转第2步。退火算法解非线性方程组Matlab程序clear,clc%这是退火算法的主程序,它需要调用的函数是%函数(1)nonLinearSumError1:计算非线性方程组总误差的函数%函数(2)newSolver1:在一组解的邻域产生另一组解%函数(3)isSolution:验证方程是否得解%设置初始值i=0;T=10001;j=0;%i:同一温度下状态转移次数;T:温度;j:下降温度precision=0.1;x1Group=1;%x1Group:可能解的组数x1N=4;%非线性方程组的元数x1=round((-0.5+rand(x1Group,x1N))*20);%随机生成-10~10之间的初解errorHold=Inf;xHold=0;%x1=[-751-3];i=0;whilei200i=i+1;j=0;T=T-50;%退火whilej200j=j+1;functionError1=nonLinearSumError1(x1);%计算x1的误差x2=newSolver1(x1,functionError1,-10,1,10);%在x1的邻域生成新一组解x2functionError2=nonLinearSumError1(x2);%计算x2的误差%检查方程是否得解[solution1,minError1,isTrue1]=isSolution(x1,functionError1,precision);[solution2,minError2,isTrue2]=isSolution(x2,functionError2,precision);ifisTrue1==1'方程得解'functionError1solutiourni,jreturnelseifisTrue2==1'方程得解'solution2functionError2i,jreturnend%x1%x2iffunctionError2-functionError10x1=x2;%x2比x1好,用x2取代x1elseiferrorHold-functionError20%x1=xHold;elsep_x2x1=exp(-log(functionError2-functionError1)/T);%状态转移概率,注意:误差取对数,因为要解的非线性方程组比较复杂,%可能解的一点偏差会引起方程很大的变化。所以通过取对数缩小差距。ifrand(1)p_x2x1%状态转移xHold=x1;%hHold:把比较好的解保留下来errorHold=functionError1;%比较好的解对应的误差x1=x2;endendendendsolution1functionError1solution2functionError2函数(1):计算待解方程的绝对总误差functionfuntionError=nonLinearSumError1(X)%方程的解是-7,5,1,-3funtionError=...[abs(X(:,1).^2-sin(X(:,2).^3)+X(:,3).^2-exp(X(:,4))-50.566253390821)+...abs(X(:,1).^3+X(:,2).^2-X(:,4).^2+327)+...abs(cos(X(:,1).^4)+X(:,2).^4-X(:,3).^3-624.679868769613)+...abs(X(:,1).^4-X(:,2).^3+2.^X(:,3)-X(:,4).^4-2197)];函数(2):在x1的领域产生一组新的解%newSolver1根据x1的误差给出一个新的可能解xfunctionx2=newSolver1(x1,x1Error,leftBound,distance,rightBound)%parameter=[leftBound,distance,rightBound]%leftBound:解空间的左边界,distance:可能解的间隔,rightBound:解空间的右边界%解空间是指在一个坐标轴上解的左右边界和解之间的间隔[x1Group,x1N]=size(x1);%x1Group:x1的行数,x1N:方程的元数%round((-0.5+rand(x1Group,x1N))*2)ifx1Error=30%在解空间上移动1格x2=x1+round((-0.5+rand(x1Group,x1N))*2)*distance;k=x2leftBound;%防止新解越过左边界x2(:,k)=leftBound;k=x2rightBound;%防止新解越过右边界x2(:,k)=rightBound;elseifx1Error30&&x1Error=100%在解空间上移动3格以下x2=x1+round((-0.5+rand(x1Group,x1N))*6)*distance;k=x2leftBound;x2(:,k)=leftBound;k=x2rightBound;x2(:,k)=rightBound;elseifx1Error100&&x1Error=1000%在解空间上移动9格以下x2=x1+round((-0.5+rand(x1Group,x1N))*20)*distance;k=x2leftBound;x2(:,k)=leftBound;k=x2rightBound;x2(:,k)=rightBound;elseifx1Error1000&&x1Error=10000%在解空间上移动20格以下x2=x1+round((-0.5+rand(x1Group,x1N))*40)*distance;k=x2leftBound;x2(:,k)=leftBound;k=x2rightBound;x2(:,k)=rightBound;elseifx1Error10000%在解空间上移动30格以下x2=x1+round((-0.5+rand(x1Group,x1N))*60)*distance;k=x2leftBound;x2(:,k)=leftBound;k=x2rightBound;x2(:,k)=rightBound;endifx1==x2x2=round((-0.5+rand(x1Group,x1N))*20);end函数(3):%判断方程是否解开function[solution,minError,isTrue]=isSolution(x,functionError,precision)[minError,xi]=min(functionError);%找到最小误差,最小误差所对应的行号solution=x(xi,:);ifminErrorprecisionisTrue=1;elseisTrue=0;endend
本文标题:模拟退火算法原理及matlab源代码
链接地址:https://www.777doc.com/doc-3350679 .html