【优化布局】基于模拟退火算法实现物流选址matlab代码

1 简介SA( Simulated annea ling)算法是一种求解组合优化问 题的随机搜索方法。它在最优解搜索策略中引入了适当的 随机因素 ,对目标函数一般不需要特殊的限制条件 ,具有 比较广泛的适应性。它是一种通用的算法 ,目前已在工程、 经济等领域得到了广泛的应用 ,诸如生产调度、控制工程、机器学习、神经网络、图像处理等领域。虽然由于采用随机搜索策略 , SA算法只能在概率的 意义上为求得全局最优解提供保证 ,但是可以证明 , SA算法最终能以概率为 1收敛于全局最优解。下面先介绍 SA算法的主要内容。 归纳而言 , SA算法是一种基于 Monte Carlo迭代求解策略的随机搜索算法 ,其出发点是基于物质的物理退火 过程与组合优化之间的相似性 ,算法由某一较高的初始温 度开始 ,利用具有概率突变特性的 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 ,反复进行 该抽样过程 ,最终以概率 1收敛于全局最优解。​SA算法的 实验性具有质量高、初始解鲁棒性强、通用性好以及算法 易实现等优点。2 部分代码%% 基于模拟退火算法位置规划问题 clc clear tic %% 数据导入与初始化 %% 用户集群点、选址个数导入及创建 uc.look importdata(.\eil51.txt); uc.index 1:length(uc.look); uc.count8; % 选址个数 uc.xy[uc.look(:,2) uc.look(:,3)]; % 用户集群点坐标 %% 计算用户集群之间的距离 uc.numsize(uc.xy,1); uc.distzeros(uc.num,uc.num); for i1:uc.num for j1:uc.num if i~j uc.dist(i,j)((uc.xy(i,1)-uc.xy(j,1)).^2... (uc.xy(i,2)-uc.xy(j,2)).^2).^0.5; end uc.dist(i,j)uc.dist(i,j); end end % 模拟退火算法参数初始化 maxOuterIter 2000; % 外层迭代次数 maxInnerIter 900; % 内层迭代次数马尔科夫链长度 T0 1000; % 初始温度 alpha 0.99; % 温度衰减系数 T T0; % 温度 %% 多目标归一化处理 参数 w10.5; w20.5; %% 初始解构建 [allocate]createInitSolution(uc); [totaldist]distFunc(allocate,uc); [d]saved(allocate,uc); [dmax]maxnian(d,uc); [dmean]meanmax(d,uc); [fit]intiger(totaldist,dmax,w1,w2); bestAllocateallocate; bestdisttotaldist; Bestdistzeros(maxOuterIter,1); bestdmaxdmax; Bestdmaxzeros(maxOuterIter,1); bestdd; bestfitfit; Bestdfitzeros(maxOuterIter,1); %% 模拟退火 for outIter1:maxOuterIter for inIter1:maxInnerIter % 新解和原来的解进行比较 [newAllocate]createNeighborSolution(uc,allocate); [newTotaldist]distFunc(newAllocate,uc); [newd]saved(newAllocate,uc); [newdmax]maxnian(newd,uc); [newdmean]meanmax(newd,uc); [newfit]intiger(newTotaldist,newdmax,w1,w2); if newfitfit allocatenewAllocate; fitnewfit; dmaxnewdmax; totaldistnewTotaldist; dnewd; else delta(newfit-fit)/fit; Pexp(-delta/T); if rand P allocatenewAllocate; fitnewfit; dmaxnewdmax; totaldistnewTotaldist; dnewd; end end if fitbestfit bestAllocateallocate; bestfitfit; bestdmaxdmax; bestdisttotaldist; bestdd; end end % 如果新解比当前解更好则更新当前解以及当前解的总距离 %if newTotaldist totaldist % allocatenewAllocate; % totaldistnewTotaldist; %else % 以一定的概率接受非优解 % delta(newTotaldist-totaldist)/totaldist; % Pexp(-delta/T); % if rand P % allocatenewAllocate; % totaldistnewTotaldist; % end %end % 更新全局最优解以及全局最优解总距离 %if totaldistbestdist % bestAllocateallocate; % bestdisttotaldist; % end %% bestAllocate % 记录每次迭代的最优解 Bestdist(outIter)bestdist; % 全局最优解 %disp([第,num2str(outIter),代全局最优解: ,num2str(bestdist)]) % 降温操作 %Talpha*T; Bestfit(outIter)bestfit; disp([第,num2str(outIter),代全局最优解: ,num2str(bestfit)]) %Bestdmax(outIter)bestdmax; Talpha*T; end %% draw(uc,bestAllocate,Bestfit) %% toc3 仿真结果4 参考文献[1]辛星. 基于模拟退火法的桥梁监测传感优化布置的MATLAB实现方法. 江西建材 11(2016):2.