【路径规划】基于模拟退火算法单层巡逻火灾预警含Matlab源码

1 简介

旅行商问题(TSP)是一种经典路径优化选择问题,可以通过暴力枚举,分支定界,动态规划,爬山算法等方法解决该问题,这些方法各有利弊.基于此,笔者对模拟退火算法进行改进处理,一是对扰动过程设置随机接受概率从而跳出局部最优解陷阱,二是设置循环阈值以较少的时空消耗获得一个最优解或者极其接近最优解的满意解.笔者使用Matlab软件进行仿真,结果表明该算法较好地解决了TSP问题.

​

2 部分代码

clear;% 程 序 参 数 设 定Coord = ... % 城 市 的 坐 标 Coordinates[ 5.2 16.4 28.4 40.4 74.7 86.7 5.2 16.4 28.4 40.4 55.6 66.7 74.7 86.7 100.5; ...  10.2 10.2 10.2 10.2 10.2 10.2 0 0 0 0 -11 0 0 -2.5 -2.5 ] ;t0 = 1 ; % 初 温 t0iLk = 20 ; % 内 循 环 最 大 迭 代 次 数 iLkoLk = 50 ; % 外 循 环 最 大 迭 代 次 数 oLklam = 0.95 ; % λ lambdaistd = 0.001 ; % 若 内 循 环 函 数 值 方 差 小 于 istd 则 停 止ostd = 0.001 ; % 若 外 循 环 函 数 值 方 差 小 于 ostd 则 停 止ilen = 5 ; % 内 循 环 保 存 的 目 标 函 数 值 个 数olen = 5 ; % 外 循 环 保 存 的 目 标 函 数 值 个 数% 程 序 主 体p=inf;for i=1:1:500m = length( Coord ) ; % 城 市 的 个 数 mfare = distance( Coord ) ; % 路 径 费 用 farepath = 1 : m ; % 初 始 路 径 pathpathfar = pathfare( fare , path ) ; % 路 径 费 用 path fareores = zeros( 1 , olen ) ; % 外 循 环 保 存 的 目 标 函 数 值e0 = pathfar ; % 能 量 初 值 e0t = t0 ; % 温 度 tfor out = 1 : oLk % 外 循 环 模 拟 退 火 过 程ires = zeros( 1 , ilen ) ; % 内 循 环 保 存 的 目 标 函 数 值for in = 1 : iLk % 内 循 环 模 拟 热 平 衡 过 程[ newpath , v ] = swap( path , 1 ) ; % 产 生 新 状 态e1 = pathfare( fare , newpath ) ; % 新 状 态 能 量% Metropolis 抽 样 稳 定 准 则r = min( 1 , exp( - ( e1 - e0 ) / t ) ) ;if rand < rpath = newpath ; % 更 新 最 佳 状 态e0 = e1 ;endires = [ ires( 2 : end ) e0 ] ; % 保 存 新 状 态 能 量% 内 循 环 终 止 准 则 ：连 续 ilen 个 状 态 能 量 波 动 小 于 istdif std( ires , 1 ) < istdbreak ;endendores = [ ores( 2 : end ) e0 ] ; % 保 存 新 状 态 能 量% 外 循 环 终 止 准 则 ：连 续 olen 个 状 态 能 量 波 动 小 于 ostdif std( ores , 1 ) < ostdbreak ;endt = lam * t ;endpathfar = e0 ;% 输 入 结 果if p>pathfarfprintf( '近似最优路径为：\n ' )%disp( char( [ path , path(1) ] + 64 ) ) ;disp(path)fprintf( '近似最优路径路程\tpathfare=' ) ;disp( pathfar ) ;myplot( path , Coord , pathfar ) ;p=pathfar;endend

3 仿真结果

4 参考文献

[1]陶重犇, 雷祝兵, 李春光,等. 基于改进模拟退火算法的搬运机器人路径规划[J]. 计算机测量与控制, 2018, 26(7):4.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。