模拟退火算法matlab的代码

模拟退火算法（Simulated Annealing）是一种全优化算法，用于在搜索空间中寻找最优解。下面是一个简单的模拟退火算法的MATLAB代码示例：

% 目标函数
function y = objective(x)
    y = x^2; % 这里以求解最小值为例，目标函数为x的平方
end

% 模拟退火算法
function [x_best, y_best] = simulated_annealing()
    % 初始温度和终止温度
    T_initial = 100;
    T_final = 0.1;
    
    % 初始解
    x_current = rand(); % 随机生成一个初始解
    y_current = objective(x_current);
    
    % 最优解
    x_best = x_current;
    y_best = y_current;
    
    % 迭代次数和降温率
    max_iterations = 1000;
    cooling_rate = 0.95;
    
    % 迭代搜索
    for i = 1:max_iterations
        % 生成新解
        x_new = x_current + randn() * 0.1; % 在当前解的附近随机生成一个新解
        y_new = objective(x_new);
        
        % 判断是否接受新解
        if acceptance_probability(y_current, y_new, T_initial) > rand()
            x_current = x_new;
            y_current = y_new;
        end
        
        % 更新最优解
        if y_current < y_best
            x_best = x_current;
            y_best = y_current;
        end
        
        % 降温
        T_initial = T_initial * cooling_rate;
        
        % 判断是否达到终止温度
        if T_initial < T_final
            break;
        end
    end
end

% 接受新解的概率函数
function p = acceptance_probability(y_current, y_new, T)
    if y_new < y_current
        p = 1;
    else
        p = exp((y_current - y_new) / T);
    end
end

% 调用模拟退火算法求解最优解
[x_best, y_best] = simulated_annealing();
disp(['最优解 x = ', num2str(x_best)]);
disp(['最优值 y = ', num2str(y_best)]);

这段代码实现了一个简单的模拟退火算法，目标函数为求解最小值的问题。你可以根据自己的需求修改目标函数和参数设置。希望对你有帮助！