本文主要是介绍数学建模——智能优化之模拟退火模型详解Python代码,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
数学建模——智能优化之模拟退火模型详解Python代码
#本功能实现最小值的求解#
from matplotlib import pyplot as plt
import numpy as np
import random
import math
plt.ion()#这里需要把matplotlib改为交互状态
#初始值设定
hi=3
lo=-3
alf=0.95
T=100
#目标函数
def f(x):
return 11*np.sin(x)+7*np.cos(5*x)##注意这里要是np.sin
#可视化函数(开始清楚一次然后重复的画)
def visual(x):
plt.cla()
plt.axis([lo-1,hi+1,-20,20])
m=np.arange(lo,hi,0.0001)
plt.plot(m,f(m))
plt.plot(x,f(x),marker='o',color='black',markersize='4')
plt.title('temperature={}'.format(T))
plt.pause(0.1)#如果不停啥都看不见
#随机产生初始值
def init():
return random.uniform(lo,hi)
#新解的随机产生
def new(x):
x1=x+T*random.uniform(-1,1)
if (x1<=hi)&(x1>=lo):
return x1
elif x1<lo:
rand=random.uniform(-1,1)
return rand*lo+(1-rand)*x
else:
rand=random.uniform(-1,1)
return rand*hi+(1-rand)*x
#p函数
def p(x,x1):
return math.exp(-abs(f(x)-f(x1))/T)
def main():
global x
global T
x=init()
while T>0.0001:
visual(x)
for i in range(500):
x1=new(x)
if f(x1)<=f(x):
x=x1
else:
if random.random()<=p(x,x1):
x=x1
else:
continue
T=T*alf
print('最小值为:{}'.format(f(x)))
main()
这篇关于数学建模——智能优化之模拟退火模型详解Python代码的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!