MATLAB智能算法应用
摘要
模拟退火算法思维来源于模仿固体退火降温进程。也就是将固体加温至足够高，再让其渐渐冷却。在加热固体时，固体中原子的热运动不断加强，内能也随之变大，并且跟着温度的不断提高。固体的长程有序的被破损，固体里面粒子随温度的提高而转变为无序状态。冷却的期间，粒子会逐步趋于有序，在每一个温度下都达到均衡条件下，最后在常温下变成基态，同时内能也将减为最小。
本文采用的是模拟退火算法，主要研究内容如下：
（1）进行函数的优化分析；
（2）进行TSP的问题求解；
结果显示：模拟退火算法有较好的算法收敛速度和精度。
关键词： 模拟退火算法、函数优化、TSP问题等等
Abstract
Simulated annealing algorithm thought from the cooling processing of solid annealing simulation. The solid heating to sufficiently high, allow it to cool down slowly. Heat in the solid and to enhance the thermal motions of atom in a solid, the solid long ranges order was completely destroyed, inside the solid practice to disorder with the rise of temperature. Gradually cooled, particles tend to be orderly, and in each temperature balance and finally reach the ground state at room temperature, it is the minimum at the same time.
Based is the simulated annealing algorithm. the main search content is as follows:
(1) The analysis of function optimizations;
(2) solve the problems of TSP;
The results show that the simulated annealing. algorithm has been better convergence speed. and accuracies algorithm.
Keywords： Simulate annealing algorithm Functions optimization. TSP problem
目录
MATLAB智能算法应用 2
第一章 绪论 5
1.1 研究背景与研究意义 5
1.2 智能算法研究现状 5
1.3 论文研究内容 6
第2章 智能算法分析 8
2.1 智能算法应用分析 8
2.2 群智能算法分析 8
2.2.1 遗传算法 8
2.2.2 粒子群算法 8
2.2.3 蚁群算法 8
2.2.4 人群搜索算法 9
2.3 模拟退火算法 9
2.3.1 模拟退火算法分析 9
2.3.2 模拟退火算法步骤 10
2.3.3 算法对比分析 10
第3章 模拟退火算法应用1 11
3.1 待优化函数分析 11
3.2 算法流程 12
3.3 算法编程实现 12
第4章 模拟退火算法应用2 15
4.1 TSP问题 15
4.2 算法流程 15
4.3 算法实现 16
第5章 结论与展望…………………………………………………………………21
5.1 结论与展望 21
小结…………………………………………………………………………………………..........22
参考文献 23
第一章 绪论
1.1 研究背景与研究意义
（一）智能算法简介
智能算法，顾名思义就是通过一些比较特殊的方法来解决烦索的问题。人们通过对智能算法的研究和讨论再根据它的原理，来寻求解决问题的方法。智能算法不仅能解决简单的问题，还能解决在短时间内不能解决的问题。通过算法，人们从中得到启发，并研究它的结构进行增进和改编，这就是仿生学。一方面，智能算法能使我们从中学习到新的知识，另一方面，我们能够通过其原理进行规划，这就是智能算法的思维。
（二）智能算法应用的意义
在众多的实践过程中，我们经常会碰到一些很特别的算法和文章。就比如模拟退火算法，这种算法在理论上都有一种特征，我们统一称之为“智能算法”。因此这类算法在解决一些比较复杂的问题时就可以派上用场了。
智能算法应用的意义就是寻求一种最简单的办法来解决问题，我们称之为最优化问题。最优化问题一般可以理解为在求解一个函数中。使得函数值达到最小的自变量取值函数改善问题和在一个解集中，寻求最优化解，并且使目标函数值达到最小的解决方法。咱们所知道的最优化题目有：一个是旅行商问题，也就是TSP。第二个是加工调节问题。第三个是装箱问题等。
1.2 智能算法研究现状
优化其实就是一种探索的过程，它是在某种思维和含蓄的基础上，经过一定的方式在适当的时间范畴里为优化问题寻找其解的一个经过。就优化机制与活动来分，在如今习见的优化算法有：传统优化算法，智能算法和混合型算法等等。
参考文献
[1]余胜威.MATLAB优化算法案例分析与应用[M].清华大学出版社.
[2]余胜威.MATLAB数学建模经典案例实战[M].清华大学出版社.
[3]余胜威,曹中清.基于人群搜索算法的PID控制器参数优化[J].计算机仿真.2015,31(9): 347-350.
[4]邹箭,徐刚,杨玉群．自适应粒子群优化算法及其在注塑成型质量指标软测量中的应用[J].南昌大学学报：理科版．2009,33(4):324-328．
[5]徐刚,杨玉群,刘斌斌.一种非线性自适应粒子群优化算法[J].南昌大学学报：理科班.2011,35(4):323-326.
[6]华兴.排队论与随机服务系统[M].上海：上海翻译出版公司,1987.
[7]邵荃,罗雄,吴抗抗,韩松臣.基于贝叶斯网络的机场航班延误因素分析[J].科学技术与工程,2012.12(30).
[8]卢艳红.贝叶斯常均值模型状态误差方差Wt的改进及在能源预测中的应用[D].东南理工大学,2014.12.
[9] www.baidu.com
