样片切割是影响数控皮革裁床皮革加工效率的重要因素,为了提高加工效率,应优化切割路径。样片切割路径受到样片遍历顺序和刀具加工起始位置的影响。将样片切割路径优化归结为广义旅行商问题,用贪婪算法确定刀具加工起始位置,结合模拟退火和蚁群算法对皮革裁床样片切割路径进行优化。仿真实验验证了算法的有效性。

智能算法详细的ppt课件其中包括遗传算法，模拟退火，禁忌搜索。

0积分下载，代码运行效果图见压缩包

基于并行重组模拟退火算法的达曼光栅设计

智能优化算法：其中包含遗传算法、蚁群算法、模拟退火算法、差分进化算法等以及一些代码

模拟退火算法解TSP问题的MATLAB代码

模拟退火算法求最短路在数学建模也十分常见，本文给的代码有详细注释，小白也可以轻松明白。

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