【正文】 次循環(huán)知道溫度降低，達(dá)到平衡。之后，通過函數(shù)的得出的多個選擇所要走的路徑，路經(jīng)的限制是每個城市只能拜訪一次，而且最后要回到原來出發(fā)的城市。選擇出現(xiàn)的頻率最高的路徑最短路徑，并且，顯示出最短路徑的值。其中，中間涉及到了一些函數(shù)調(diào)用，一個C++語言的程序有一個主函數(shù)和多個函數(shù)組成。主函數(shù)調(diào)用其他函數(shù)，其他函數(shù)也可以互相調(diào)用。C語言的函數(shù)調(diào)用遵循先定義，后調(diào)用的原則。主體main函數(shù)程序代碼實現(xiàn)：int main(int argc, char* argv[]){ char filename[81]。 float firsttemp, secondtemp。 int i。 FILE *pfile。 printf(請輸入旅行城市文件全名：)。 scanf(%s, amp。filename)。// strcpy(filename, )。 if( (pfile = fopen( filename, r )) == NULL ) { printf( 打不開旅行城市文件（%s）!\n, filename)。 printf(請按任意鍵結(jié)束!)。 getch()。 return false。 } fscanf(pfile, %d, amp。city_number)。 amount = city_number。 printf(\n)。 for(i=0。 icity_number。 i++) { fscanf(pfile, %s\t%f\t%f, amp。citylist[i], amp。firsttemp, amp。secondtemp)。 citycoordinate[i][0] = firsttemp。 citycoordinate[i][1] = secondtemp。 } fclose(pfile)。 srand( (unsigned)time( NULL ) )。 //設(shè)置種子 int *sequence。 //初始序列 sequence = random()。 for(i=0。i4。i++) { Recperc[i].nvalue=1000。 } printf(序列\(zhòng)t距離\n)。 for(i=0。 i10*amount。 i++) { out(stimulation(sequence))。 }以上代碼是系統(tǒng)程序的主要main函數(shù)代碼，通過調(diào)用其它編寫的代碼函數(shù)還實行模擬整個模擬退火算法的主要內(nèi)容。最后，在DOS界面中輸出每一次新的鄰域解產(chǎn)生的形式和其在計算函數(shù)部分算出來的某一個序列中城市之間的距離總和。在前面已經(jīng)介紹了大部分關(guān)鍵函數(shù)代碼，以及得到最優(yōu)解排序，并且統(tǒng)計最優(yōu)解出現(xiàn)次數(shù)和計算出最優(yōu)解的出現(xiàn)頻率。所以，接下來將要把程序正確運(yùn)行界面進(jìn)行詳細(xì)的講解。 同時，也可以自己編寫具體的城市坐標(biāo)，用來自己分析模擬退火算法求解TSP問題的優(yōu)缺點。 DOS下界面數(shù)據(jù)輸出以及概率統(tǒng)計與分析這節(jié)主要介紹了輸出界面的輸出格式和數(shù)據(jù)的形式。在這里界面的輸出輸入形式主要應(yīng)用的printf語句和scanf語句進(jìn)行完成的。Printf是C語言和C++語言提供的按指定格式進(jìn)行標(biāo)準(zhǔn)輸出的函數(shù)。而scanf是C語言和C++語言中提供的按指定格式進(jìn)行標(biāo)準(zhǔn)輸入的函數(shù)。首先是printf(請輸入旅行城市文件全名：)。 scanf(%s, amp。filename)。, 輸入顯示圖DOS界面下顯示出“清輸入旅行城市文件全名”,.。然后繼續(xù)輸入命令語句：printf( 打不開旅行城市文件（%s）!\n, filename)。printf(請按任意鍵結(jié)束!)。printf(序列\(zhòng)t距離\n)。printf(最優(yōu)解排序\t序列\(zhòng)t\t\t出現(xiàn)次數(shù)\t出現(xiàn)的概率\n)。printf(請按任意鍵結(jié)束!)。在輸入完需要處理的信息數(shù)據(jù)之后，通過對新產(chǎn)生的鄰域解進(jìn)行統(tǒng)計列出序列和距離的數(shù)據(jù)在最后分別計算出所以有排序的路徑的前4位數(shù)據(jù)，并且分別統(tǒng)計對應(yīng)的序列解得出現(xiàn)次數(shù)和出現(xiàn)概率。 統(tǒng)計概率和最優(yōu)解程序代碼如下：printf(最優(yōu)解排序\t序列\(zhòng)t\t\t出現(xiàn)次數(shù)\t出現(xiàn)的概率\n)。 for(i=0。i4。i++) { printf(%f\t, Recperc[i].nvalue)。 for(int j=0。 jamount。 j++) { printf(%c, Recperc[i].list[j])。 } float statlist = (float)(10*(float)Recperc[i].nflag/(float)amount)。 printf(\t\t%d\t%\n, Recperc[i].nflag, statlist)。 } printf(請按任意鍵結(jié)束!)。 getch()。 return true。}這段程序代碼是多最優(yōu)解排序，并且統(tǒng)計最優(yōu)解出現(xiàn)次數(shù)和計算出最優(yōu)解的出現(xiàn)頻率。下面這段代碼是用來判斷從Xi的鄰域中隨即選擇Xj，計算Xi與Xi的路徑差，比較差值。按一定方式將T降溫，即令T(t+1)＝kT(t)，i=i+1，然后檢查退火過程是否結(jié)束，如果不是繼續(xù)交換，如果是的話輸出Si作為最優(yōu)輸出。代碼段程序如下：double P(int *i,int *j,double t) //t代表當(dāng)前溫度,i,j分別代表不同的兩個序列,返回對應(yīng)的轉(zhuǎn)移發(fā)生概率{ double fi = 0,fj = 0。 double result = 0。 fi = evaluate(i)。 fj = evaluate(j)。 if(fj fi) result = 。 else result = exp( (fi fj)/t )。 return result。}模擬退火算法在TSP問題中的應(yīng)用研究 第五章 算法運(yùn)行分析第五章 算法運(yùn)行分析第4章給出了應(yīng)用開發(fā)的組織結(jié)構(gòu)和各個功能模塊的具體實現(xiàn)，這章介紹程序編碼實現(xiàn)后的運(yùn)行界面圖示以及結(jié)果分析情況。 運(yùn)行界面圖示1．成功運(yùn)行程序到DOS界面下的截圖運(yùn)行Visual C++，調(diào)試成功后運(yùn)行程序。然后， 成功在DOS下運(yùn)行程序界面成功運(yùn)行了程序代碼，DOS環(huán)境下顯示出所要達(dá)到的目的。2．輸入要打的文件名。， 輸入文本文件的文件名3．輸入錯誤的文件在顯示要輸入文件名的地方輸入一個錯誤的文件觀看系統(tǒng)反應(yīng)，， 輸入一個錯誤的文件名DOS環(huán)境下界面顯示情況與預(yù)先預(yù)想的一樣沒有出現(xiàn)異常情況。4．輸入正確的文件與上面相反，輸入正確的文件名觀看系統(tǒng)的反應(yīng)， 程序運(yùn)行正確的文件后，程序已經(jīng)開始運(yùn)行模擬退火算法進(jìn)行分析解決TSP問題。用來判斷并且尋找最優(yōu)解。經(jīng)過上面的一系列操作后，我可以繼續(xù)觀察程序運(yùn)行情況，一會后，程序得出最終結(jié)果。 成功得出最優(yōu)解排序以及概率 運(yùn)行結(jié)果通過上面的運(yùn)行圖示截圖展示了程序的總體流程，這個最優(yōu)解一共在程序運(yùn)行中出項了42次。畢業(yè)設(shè)計課題研究到此完成了模擬退火算法求解TSP問題基本系統(tǒng)及其編碼部分和實現(xiàn)均已演示完畢。因為由于個人知識水平的有限等原因，程序運(yùn)行界面做的十分粗糙并且簡陋，整體不太美觀。并且實現(xiàn)不了解題目，導(dǎo)致花費(fèi)時間從而未在只做城市節(jié)點圖分布的功能模塊。但是基本功能已經(jīng)實現(xiàn)，符合實驗要求。但在以后我將繼續(xù)學(xué)習(xí)相關(guān)知識去豐富自己。模擬退火算法在TSP問題中的應(yīng)用研究 第六章 結(jié)束語第六章 結(jié)束語模擬退火算法是將物理退火過程與組合優(yōu)化相結(jié)合的一種隨機(jī)迭代尋優(yōu)算法，TSP問題即旅行商問題是一個組合優(yōu)化問題，該問題被證明具有NPC計算復(fù)雜性，因此研究模擬退化算法的基本原理及其在TSP問題求解中的應(yīng)用受到高度的關(guān)注。本文給出了用模擬退火算法求解旅行商問題的流程，給出了各參數(shù)的如何取值。程序是在 Visual C ++ 的環(huán)境中編寫。該程序基本實現(xiàn)了該課題的任務(wù)目標(biāo)，研究模擬退化算法的基本原理以及TSP組合優(yōu)化問題，用一種程序語言實現(xiàn)基于模擬退火算法的TSP問題求解方法。并且本文說明了用模擬退火算法能夠較好地求解旅行商問題。因而理論上能夠找到最優(yōu)解，但實際使用過程中諸多的參數(shù)如起始溫度，溫度下降速率，迭代次數(shù)等都需要人為的測試和調(diào)整，而這些參數(shù)將直接影響能否搜索到最優(yōu)解，所以模擬退火算法仍然存在一些缺點。本次畢業(yè)設(shè)計也存在一些缺點，如程序運(yùn)行太簡陋沒有細(xì)致的優(yōu)化運(yùn)行界面，但不夠完善缺少一些輔助圖。但總體上還是達(dá)到了課題的要求。致 謝參考文獻(xiàn)[1] 王大志，汪定偉，閆楊. 一類多旅行商問題的計算及仿真分析[J]，系統(tǒng)仿真學(xué)報，2009年20期[2] 汪定偉等編著. 智能優(yōu)化方法[M]，北京：高等教育出版社，2007[3] 田景文，高美娟. 人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M], 北京：北京理工大學(xué)出版社，2006[4] 雷德明，嚴(yán)新平編著. 多目標(biāo)智能優(yōu)化算法及其應(yīng)用[M]，北京：科學(xué)出版社，2009[5] 劉升，王行愚，[J]，華東理工大學(xué)學(xué)報， 2009年02期[6] 張曉如。 高尚. 求解旅行商問題的蟻群遺傳混合算法[J]，微電子學(xué)與計算機(jī)，2009年04期[7] 邢文訓(xùn)著. 現(xiàn)代優(yōu)化計算方法[M],第2版，北京：清華大學(xué)出版社，2006[8] 王萬森著. 人工智能原理及其應(yīng)用[M],第2版，北京：電子工業(yè)出版社，2007[9] 梁艷春等著. 群智能優(yōu)化算法理論與應(yīng)用[M]，北京：科學(xué)出版社，2009[10] Ingber L,Rosen algorithms and fast simulated annealing:A Computer ,16(Ⅱ):87100[11] 康立山，謝云，羅祖華，非數(shù)值并行算法——模擬退火算法[M],北京:科學(xué)出版社,1997