模拟退火算法解决函数优化问题

一、实验目的

1. 掌握模拟退火算法的基本原理和步骤。

2. 复习VB、VC的基本概念、基本语法和编程方法，并熟练使用VB、VC编写模拟退火算法程序。

二、实验设备

微机

三、实验原理

模拟退火算法是基于Monte Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理退火过程与组合优化之间的相似性，模拟退火算法由某一较高初温开始，利用具有概率突跳特性的Metropolis抽样策略在解空间中进行随机搜索，伴随温度的不断下降重复抽样过程，最终得到问题的全局最优解。

标准模拟退火算法的一般步骤可描述如下：

(1)令m=0，给定初温tm，随机产生初始状态sm；

(2)Repeat；

sold=sm；

(2.1)Repeat；

(2.1.1)产生新状态：snew=Generate(sold)；

(2.1.2)若min{1, exp[(C(sold)-C(snew))/tm]}³random[0, 1]，则sold=snew；

(2.1.3)Until抽样稳定准则满足；

(2.2)退温：tm+1=update(tm)，sm+1=sold，m=m+1；

(3)Until算法终止准则满足；

(4)输出算法搜索结果：sm。

四、预习要求

1. 认真阅读教材中模拟退火算法的基本原理与步骤。

2. 复习VB、VC的基本概念、基本语法和编程方法。

图2.1 标准模拟退火算法流程图

代码实现：：：：：：：：：：：：：：：：：：：：

#include 
#include 
#include 
#include 
#include 
#define MAXN 10  //个数
const double MIN = 100.00;  //数据范围
const double INIT_T = 300;  //初始温度
const double RATE = 0.95;    //温度衰减率
const double FINAL_T = 0.1;  //凝固温度
const int IN_LOOP = 130;  //内层循环次数
const int OUT_LOOP = 100;   //外层循环次数 
const int P_LIMIT = 10000;  //概率选择次数
double cost = 0; //用于记录次数

struct path   //数据类型存储
{
	double NUM[MAXN];
	double sum;
};

path bestpath;  //最优解

path getnext(path p) //得到下一组数据的函数
{
	int x, i;
	double y;
	path ret;
	ret = p;
	cost ++;
	printf("第%.0lf次改变数字：\n", cost);
	x = (int)(10.0*rand()/(RAND_MAX+1.0)); //随机产生一个0-9的数更换
	printf("更换的是%d：%lf", x, ret.NUM[x]);
	ret.sum -= ret.NUM[x]*ret.NUM[x];
	y = 2*MIN*rand()/(RAND_MAX+1.0)-MIN;//更换后的数据
	printf("变成：%lf\n", y);
	ret.NUM[x] = y; //覆盖
	ret.sum += y*y; //更新总和
	for(i=0; i rnd) //符合概率，更新
					curpath = newpath;
				P_t++;
				
			}
			if (P_t >=P_LIMIT) 
			{//概率上限限制 
				A_t++; 
				break; 
			} 
		}
		if (curpath.sum= OUT_LOOP || T < FINAL_T) break;
		T = T * RATE;//温度衰减
	}
}

void main()
{
	int i;
	init();
	sa();

	printf("Best number is: ");
	for(i=0; i

转载于:https://www.cnblogs.com/zhujinghui/archive/2012/11/02/3369246.html