模拟退火算法也是数学建模最优化理论里的经典算法

针对标准飞蛾扑火优化算法存在的易陷入局部最优陷阱、全局寻优能力不足的问题，借鉴混沌序列、模拟退火算法和遗传算法，提出Tent混沌和模拟退火改进的飞蛾扑火优化算法。首先，通过Tent混沌序列初始化种群，增加种群多样性；然后对当前最优解增加扰动产生新解，并与当前最优解按比例杂交相加，根据模拟退火算法中的Metropolis准则判断是否接受杂交后的新解，最终获得最优解。分别使用复杂高维基准函数和航迹规划问题测试算法性能。其中，6个复杂基准函数寻优测试结果表明，对于10维基准函数，该算法经过约0.25秒收敛到最优值；对于50维基准函数，该算法经过约0.5秒收敛到最优值。与标准飞蛾扑火优化算法和其它智能优化算法相比，该算法能够有效跳出局部最优解，寻优精度更高，收敛速度更快。航迹规划仿真表明，对有4个禁飞区和2个威胁源的空域环境，该算法经过大约100次迭代可以得到最优航迹，与标准飞蛾扑火优化算法相比精度更高，具有实际应用价值。因此，该算法具有更好的寻优性能。

模拟退火算法解决tsp问题，内含画图代码，tsp标准数据集拟退火算法(Simulated Annealing，简称SA)的思想最早是由Metropolis等提出的。其出发点是基于物理中固体物质的退火过程与一般的组合优化问题之间的相似性。模拟退火法是一种通用的优化算法，其物理退火过程由以下三部分组成: 加温过程。其目的是增强粒子的热运动，使其偏离平衡位置。当温度足够高时，固体将熔为液体，从而消除系统原先存在的非均匀状态。 等温过程。对于与周围环境交换热量而温度不变的封闭系统，系统状态的自发变化总是朝自由能减少的方向进行的，当自由能达到最小时，系统达到平衡状态。 冷却过程。使粒子热运动减弱，系统能量下降，得到晶体结构。 加温过程相当于对算法设定初值，等温过程对应算法的Metropolis抽样过程，冷却过程对应控制参数的下降。这里能量的变化就是目标函数，我们要得到的最优解就是能量最低态。其中Metropolis准则是SA算法收敛于全局最优解的关键所在，Metropolis准则以一定的概率接受恶化解，这样就使算法跳离局部最优的陷阱

包含多项式拟合、灰色预测、matlab常用算法集、模拟退火、元胞自动机的代码，改一些相关参数就能生成matlab图像和结果

模拟退火算法 matlab code 完整版

大名鼎鼎的剑桥出版的 Numerical Recipes 里的 模拟退火算法 源代码 及 分析 Simulated Annealing 包含 两个 源代码，一个是TSP（旅行商问题），一个是downhill计算。调用方便，只需要把源文件copy 到工程中，C++编码方式。

关于这个项目 模拟退火算法的实现可最大化数学方程式的结果。 运行项目 您可以使用jupyter Notebook或google colab来运行。

1．内容： 在Visual C++ 编译环境下，模拟退火算法程序，并利用它们求解了48个城市的TSP问题。 2．程序说明 由于篇幅有限，且程序中还包括界面实现和计算线程处理等一些与算法无关的代码。为方便阅读，程序清单只介绍实现算法的流程控制函数和一些功能函数，具体的代码可参见源程序。 模拟退火算法的源程序在[TspSA]目录中，与算法相关的代码主要在如下三个文件中： 1）sacode.h 算法中所需结构体的定义，包括SYCoordinate、SYCity、SYCityDistance、SYRouter。 2） sacode.cpp 算法中所有功能函数的实现，主要包括InitialSA、CountCityDistance、CreateCityRouter2opt、CountTotalDistance、CountDownTemperature等等。后面将分别介绍这些功能函数的作用。 3）MainFrm.cpp流程控制函数的实现，该函数是SACompution。后面将详细介绍该函数的流程。 流程控制函数和功能函数的介绍 流程控制函数SACompution控制循环的迭代和结束，其主要代码如下：

自适应模拟退火 自适应模拟退火 (ASA) 是一种 C 语言代码，用于在统计上找到成本函数中参数的最佳全局拟合。 看：

模拟退火常用算法模型+课件讲义代码.rar