传统的极限学习机作为一种有监督的学习模型，任意对隐藏层神经元的输入权值和偏置进行赋值，通过计算隐藏层神经元的输出权值完成学习过程.针对传统的极限学习机在数据分析预测研究中存在预测精度不足的问题，提出一种基于模拟退火算法改进的极限学习机.首先，利用传统的极限学习机对训练集进行学习，得到隐藏层神经元的输出权值，选取预测结果评价标准.然后利用模拟退火算法，将传统的极限学习机隐藏层输入权值和偏置视为初始解，预测结果评价标准视为目标函数，通过模拟退火的降温过程，找到最优解即学习过程中预测误差最小的极限学习机的隐藏层神经元输入权值和偏置，最后通过传统的极限学习机计算得到隐藏层输出权值.实验选取鸢尾花分类数据和波士顿房价预测数据进行分析.实验发现与传统的极限学习机相比，基于模拟退火改进的极限学习机在分类和回归性能上都更优.

08年华中数模竞赛“划分选区问题”一等奖论文，附录了文字解答、模拟退火算法求解和MATLAB程序，非线性整数规划求解和LINGO程序，是数模竞赛很好的参考资料。同时，也是应用模拟退火算法解决问题有价值的参考资料。

请仅在您对优化问题有一个好的总体想法时才使用此文件，否则这可能无法解决您的问题。 此代码将模拟退火自定义为整数/离散（可调整）优化。 因此，它依赖于 MATLAB 的模拟退火算法。 请确保您有合适的工具箱。 请非常仔细地阅读“SAIntegerOptim”中的注释。 这是您需要运行的代码。 您可能还想调整其他文件。 此提交通过示例演示了如何将 MATLAB 的“simulannealbnd”转换为整数/离散优化器。 这个例子有一些特殊的条件！！！ 这有一些优点，但是您的优化问题可能无法从这些优点中受益。 这就是为什么您需要真正了解优化问题的原因。 在使用此演示之前，也许需要考虑一些基本的事情/条件： 1-您知道目标函数的全局最小值恰好在解空间的某个整数/离散位置（此示例就是这种情况，其中全局最小值为[0,0]）。 2-您可以牺牲解决方案空间的十进制精度来提高速度，这样您就可以

哈密尔顿回路是一个NP问题，本代码这是一个关于解决现实例子的算法，是关于TSP模拟退火和三边交换简单算法。

建立了初始位置、终止位置和转移时间都不固定的双冲量Lam-bert转移模型,并选用自适应模拟退火(adaptive simulated annealing,ASA)算法来寻求模型的最优解,通过与遗传算法(genetic algorithm,GA)的优化结果对比,表明ASA在该模型全局寻优中具有明显优势,可为轨道转移寻优算法的选取提供借鉴。

【三维装箱】基于遗传和模拟退火的三维装箱问题matlab源码.zip

典型作业车间调度问题的模拟退火算法实现，包括前端页面、算法程序、结果展示页面以及比较详实的说明文档。

多目标优化问题中常用的模拟退火算法anneal基于MATLAB实现代码。

模拟退火算法作为计算机、控制领域广泛应用的方法之一，价值很大，而这个MATLAB软件程序可以实现算法的功能，省却比较繁杂的具体编程工作。

完整代码，可直接运行