文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > 模拟退火算法的旅行商问题的实现
侵权投诉

模拟退火算法的旅行商问题的实现

模拟退火算法的旅行商问题的实现,有仿真出来的图

基于模拟退火算法的旅行商问题的实现

摘 要: 主要介绍了模拟退火算法的原理以及应用,并且将遗传算法应用于解决旅行商问题。

关键词:模拟退火算法 旅行商问题

中图分类号: 文献标识码:A 文章编号:1006-7043 (2004) xx-xxxx-x

The Application of Simulated Annealing In The TSP

Tan Jian(S311080153)

(Harbin Engineering University Information and Communication system,Harbin 150001)

Abstract: In this paper,the Simulated Annealing algorithm is introduced ,and applaied in sovling tha traveling

saleman prombles.

Key words: Simulated Annealing , traveling saleman prombles

火算法(SA)与其它搜索方法相比,具有如下

引言

模拟退火算法(Simulated Annealing,SA)最早由Kirkpatrick等应用于组合优化领域,它是基于Mente-Carlo迭代求解策略的一种随机寻优算法[1]。模拟退火算法是一种通用的优化算法,理论上算法具有概率的全局优化性能,目前已在工程中得到了广泛应用,诸如VLSI、生产调度、控制工程、机器学习、神经网络、信号处理等领域[2]。

的特点:

(l)以一定的概率接受恶化解

模拟退火算法(SA)在搜索策略上与传统的随机搜索方法不同,它不仅引入了适当的随机因素,而且还引入了物理系统退火过程的自然机理[4]。这种自然机理的引入使模拟退火算法在迭代过程中不仅接受使目标函数变“好”的试探点,而且还能以一定的概率接受使目标函数值变“差”的试探点,迭代中出现的状态是随机产生的,并不强求后一状态一定优于前一状态,接受概率随着温度的下降而逐渐增大。传统的方法往往是从解空间的一个初始点开始最优解的迭代搜索过程。如登山法,若一个细微变动能改善质量,则沿该方向前进,否则取相反方向。然而复杂问题会使解空间中出现若干局部最优解,传统的方法很容易限于局部最优解而停滞不前,很多传统的优化算法往往是确定性的,从一个搜索点到另一个搜索点的转移有确定的转移方法和转移关系,这种确定性往往可能使得搜索永远达不到最优点,因而限制了算法的应用范围

[5]

1模拟退火算法概述

模拟退火又称MonteCarlo退火,是一

种常用的全局优化方法,它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态,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;然而要是迅速冷却或被“碎熄”,那么仅仅能达到其局部能量极小点,该材料处于易碎状态

[3]

。这就。模拟退火算法

是所谓退火在技术上的定义,同时也表明了确保达到低能量状态所必需的条件。模拟退

(SA)以一种概率的方式来进行搜索,增加了搜索过程的灵活性。

第1页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email