模拟退火Matlab代码

模拟退火是一种用于求解优化问题的随机搜索算法，常用于解决复杂函数的全局最小化问题。下面是一个简单的模拟退火算法的MATLAB实现示例：

function [x, fval] = simulatedAnnealing(fitnessFunction, x0, T0, alpha, maxIterations)
% 初始化
x = x0;
fval = fitnessFunction(x);
T = T0; % 初始温度

% 主循环
for iter = 1:maxIterations
    % 随机扰动
    perturbation = randn(size(x));
    
    % 计算接受概率
    deltaE = fitnessFunction(x + perturbation) - fval;
    p_accept = exp(-deltaE / T);
    
    % 接受新状态
    if rand < p_accept || deltaE <= 0
        x = x + perturbation;
        fval = fitnessFunction(x);
    end
    
    % 温度调整
    T = T * alpha; % 冷却因子决定降温速度
    T = max(T, 1e-6); % 防止温度过低导致算法停滞
end
end

在这个例子中：
- `fitnessFunction` 是你要优化的目标函数。
- `x0` 是初始猜测点。
- `T0` 是初始温度。
- `alpha` 是冷却因子，控制每次迭代后的温度下降速率。
- `maxIterations` 是最大迭代次数。

运行这个函数后，它将返回找到的局部最优解 `x` 和对应的函数值 `fval`。