文档介绍:**/(simulatedannealingtoolbox,SAT)在R2009a版本中,MATLAB自带的遗传算法与直接搜索工具箱集成了模拟退火算法。基本原理: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。**/15SA算法结构示意图**/=ture?,函数simulannealbnd则调用函数simulanneal对模拟退火问题进行求解。mon和函数saengine,并最终得到最优解。在函数saengine中,SA进行迭代搜索,直到满足一定的条件才退出。在迭代过程中,函数sanewpoint和函数saupdates是关键函数。**/(objectivefunction):即待优化的函数。在调用函数simulannealbnd运行模拟退火算法时,需要编写该目标函数的M文件。SAT是对目标函数取最小值进行优化的,对于最大值的优化问题,只需要将目标函数乘以-1即可化为最小值优化问题。温度(temperature):是一个重要的参数,他随着算法的迭代逐步下降,以模拟固体退火过程中的降温过程。一方面,温度用于限制SA产生的新解与当前解之间的距离,即SA的搜索范围;另一方面,温度决定了SA以多大的概率接受目标函数值比当前解的目标函数值差的新解。**/15退火进度表(annealingschedule):是指温度随算法迭代的下降速度。退火过程越缓慢,SA找到全局最优解的机会就越大。退火进度表包括初始温度(initialtemperature)及温度更新函数(temperatureupdatefunction)的参数。Meteopolis准则:是指SA接受新解的概率,对于目标函数取最小值的问题,SA接受新解的概率为:**/15案例分析求解Rastrigin函数的最小值。**/15如何绘制?程序:x1=-5::5;x2= -5::5;[x1,x2] = meshgrid(x1,x2);x3 = 20+x1^2+x2^2-10*(cos(2*pi*x1)+cos(2*pi*x2));surfc(x1,x2,x3)colormap hsv**/15解题步骤:Start—Toolboxes—Globaloptimization—Optimizationtool**/15》optimtool(‘simulannealbnd’)命令行方式使用SAT:[x,fval]=simulannealbnd(fun,x0,lb,ub,options)options=saoptimset(‘Param1’,’value1’,‘Param2’,’value2’,…);**/15