模拟退火算法解多元函数

2024-08-28 22:32

本文主要是介绍模拟退火算法解多元函数,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

模拟退火算法解多元函数

题目:
F ( x ) = 11.16386 − 0.0903 x 1 − 0.1487 x 2 − 0.0664 x 3 + 0.09074 x 4 − 2.452 ∗ 1 0 − 4 x 1 x 2 + 6.228 ∗ 1 0 − 5 x 1 x 3 + 2.457 ∗ 1 0 − 3 x 1 x 4 + 3.8688 ∗ 1 0 − 3 x 2 x 3 − 6.471 ∗ 1 0 − 3 x 2 x 4 − 1.451 ∗ 1 0 − 3 x 3 x 4 F(x)=11.16386-0.0903x_1-0.1487x_2-0.0664x_3+0.09074x_4-2.452*10^{-4}x_1x_2+6.228*10^{-5}x_1x_3+2.457*10^{-3}x_1x_4+3.8688*10^{-3}x_2x_3-6.471*10^{-3}x_2x_4-1.451*10^{-3}x_3x_4 F(x)=11.163860.0903x10.1487x20.0664x3+0.09074x42.452104x1x2+6.228105x1x3+2.457103x1x4+3.8688103x2x36.471103x2x41.451103x3x4

约束条件:

36.163 < x 1 < 65.0934 36.163<x_1<65.0934 36.163<x1<65.0934

0.45 < 1 − 3 x 2 2 x 1 < 0.5 0.45<1-\frac{3x_2}{2x_1}<0.5 0.45<12x13x2<0.5

12.0543 < x 2 < 21.699 12.0543<x_2<21.699 12.0543<x2<21.699

27.75 < x 3 < 36.075 27.75<x_3<36.075 27.75<x3<36.075

10 < x 4 − 2 x 3 10<x_4-2x_3 10<x42x3

x 4 − 3.2 x 3 < 16 x_4-3.2x_3<16 x43.2x3<16

48.02 < x 4 48.02<x_4 48.02<x4

求多目标函数 F ( x ) F(x) F(x)的最小值?

资源链接

https://download.csdn.net/download/u013095333/12585474

解法1:暴力解法

思路,设置 x 1 , x 2 , x 3 , x 4 x_1,x_2,x_3,x_4 x1,x2,x3,x4的范围和精度,依次计算每一个 F ( x ) F(x) F(x)的值,取最小的 F ( x ) F(x) F(x)对应的 x 1 , x 2 , x 3 , x 4 x_1,x_2,x_3,x_4 x1,x2,x3,x4

#include <bits/stdc++.h>
using namespace std;double f(double x1, double x2, double x3, double x4){double ans = 0;ans = 11.16386 - 0.0903*x1 - 0.1487*x2 - 0.0664*x3 + 0.0907*x4;ans = ans - 2.452*0.0001*x1*x2;ans = ans + 6.228*0.00001*x1*x3;ans = ans + 2.457*0.001*x1*x4;ans = ans + 3.8688*0.001*x2*x3;ans = ans - 6.471*0.001*x2*x4;ans = ans - 1.451*0.001*x3*x4;return ans;
}int main()
{double x1, x2, x3, x4;double step = 1;x1 = 36.16;x2 = 12.05;x3 = 27.75;x4 = 48.02;double ftemp = 10000, x1temp = x1, x2temp = x2, x3temp = x3, x4temp = x4;while(x1 < 65.10){x2 = 12.05;while(x2 < 21.7){x3 = 27.75;while(x3 < 36.10){x4 = 48.02;while(x4 < 1000){double fx = 10000;double a = 1 - 3*x2/1.0/(2*x1);double b = x4 - 2*x3;double c = x4 - 3.2*x3;if(a>0.45&&a<0.5&&b>10&&c<16){fx = f(x1, x2, x3, x4);}if(ftemp > fx){ftemp = fx;x1temp = x1;x2temp = x2;x3temp = x3;x4temp = x4;}x4 = x4 + step;}x3 = x3 + step;cout << ftemp << " " << x1 << " " << x2 << " " << x3 << endl;}x2 = x2 + step;}x1 = x1 + step;}cout << ftemp << endl;cout << x1temp << " " << x2temp << " " << x3temp << " " << x4temp << endl;return 0;
} 

结果:
在这里插入图片描述

解法2:模拟退火

参考:
模拟退火算法
用模拟退火算法求解带约束的二元函数极值问题(Java实现)

#include <bits/stdc++.h>
using namespace std;double f(double x1, double x2, double x3, double x4){double ans = 0;ans = 11.16386 - 0.0903*x1 - 0.1487*x2 - 0.0664*x3 + 0.0907*x4;ans = ans - 2.452*0.0001*x1*x2;ans = ans + 6.228*0.00001*x1*x3;ans = ans + 2.457*0.001*x1*x4;ans = ans + 3.8688*0.001*x2*x3;ans = ans - 6.471*0.001*x2*x4;ans = ans - 1.451*0.001*x3*x4;return ans;
}double getRandom(){                       // 获取-1到1区间的随机数 return (rand()%200 - 100)/100.0;
}double getRangeRandom(double a, double b){  // 获取a到b范围内的随机数 int step = (a-b)*1000;return rand()%step/1000.0+a; 
}int main()
{srand((int)time(0));double T = 100, t = 100;double T_min = 1e-8;double step = 0.99;int k = 10;double x1[k], x2[k], x3[k], x4[k];double x1_min = 36.16;double x1_max = 65.10;double x2_min = 12.05;double x2_max = 21.7;double x3_min = 27.75;double x3_max = 36.10;double x4_min = 48.02;double x4_max = 100;double ftemp = 10000, ftemp_new, x1temp, x2temp, x3temp, x4temp;// 随机化初始值for(int i = 0; i < k; i++){x1[i] = getRangeRandom(x1_min, x1_max);x2[i] = getRangeRandom(x2_min, x2_max);x3[i] = getRangeRandom(x3_min, x3_max);x4[i] = getRangeRandom(x4_min, x4_max);double a = 1 - 3*x2[i]/1.0/(2*x1[i]);double b = x4[i] - 2*x3[i];double c = x4[i] - 3.2*x3[i];if(!(a>0.45&&a<0.5&&b>10&&c<16)){i--;}} // 模拟退火 int time = 0;while(t > T_min){ for(int i = 0; i < k; i++){ftemp = f(x1[i], x2[i], x3[i], x4[i]);// 在领域内产生新的解 double x1_new = x1[i] + getRandom();double x2_new = x2[i] + getRandom();double x3_new = x3[i] + getRandom();double x4_new = x4[i] + getRandom();double a = 1 - 3*x2_new/1.0/(2*x1_new);double b = x4_new - 2*x3_new;double c = x4_new - 3.2*x3_new;if(x1_new>x1_min&&x1_new<x1_max&&\x2_new>x2_min&&x2_new<x2_max&&\x3_new>x3_min&&x3_new<x3_max&&\x4_new>x4_min&&x4_new<x4_max&&\a>0.45&&a<0.5&&b>10&&c<16){ftemp_new = f(x1_new, x2_new, x3_new, x4_new);if(ftemp_new < ftemp){   // 有优化,直接替换x1[i] = x1_new;x2[i] = x2_new;x3[i] = x3_new;x4[i] = x4_new;}else{                   // 无优化,以一定概率接受较差的结果 if((t - T_min) > (rand()%100)){x1[i] = x1_new;x2[i] = x2_new;x3[i] = x3_new;x4[i] = x4_new;}} }}t = t * step;// 输出每一轮迭代得到的最小值ftemp = 10000;for(int i = 0; i < k; i++){ftemp_new = f(x1[i], x2[i], x3[i], x4[i]);if(ftemp_new < ftemp){ftemp = ftemp_new;x1temp = x1[i];x2temp = x2[i];x3temp = x3[i];x4temp = x4[i];}} if(time%100==0){cout << time << endl;cout << ftemp << endl;cout << x1temp << " " << x2temp << " " << x3temp << " " << x4temp << endl << endl; }time++;}// 取k个中最小的ftemp = 10000;for(int i = 0; i < k; i++){ftemp_new = f(x1[i], x2[i], x3[i], x4[i]);if(ftemp_new < ftemp){ftemp = ftemp_new;x1temp = x1[i];x2temp = x2[i];x3temp = x3[i];x4temp = x4[i];}} cout << "ans: " << endl;cout << ftemp << endl;cout << x1temp << " " << x2temp << " " << x3temp << " " << x4temp << endl;return 0;
} 

结果:
在这里插入图片描述
与暴力解法得到的基本一致,说明该附近确为最小值对应的解

特点:速度比暴力算法快太多了,确实有用。

迭代过程图:
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

绘图代码:

import os
import numpy as np
import matplotlib.pyplot as plti = 0
time = []
fx = []
x1 = []
x2 = []
x3 = []
x4 = []
with open('out.txt', 'r') as file:context = file.read()context = context.split()for i in range(len(context)):if(i%6==0):time.append(int(context[i]))if(i%6==1):fx.append(float(context[i]))if(i%6==2):x1.append(float(context[i]))if(i%6==3):x2.append(float(context[i]))if(i%6==4):x3.append(float(context[i]))if(i%6==5):x4.append(float(context[i]))i = i + 1# 数据清洗干净,下面绘图
plt.rcParams['font.sans-serif']=['SimHei'] #显示中文标签
plt.rcParams['axes.unicode_minus']=Falseplt.plot(time, fx, marker = 'o', c = 'r', label = 'a=0.3')
plt.xlabel('迭代次数', fontsize = 18)
plt.ylabel('目标函数F(x)', fontsize = 18)
plt.xticks(fontsize = 15)
plt.yticks(fontsize = 15)
plt.savefig("fx.svg",bbox_inches='tight')

这篇关于模拟退火算法解多元函数的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1116069

相关文章

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数(ScopeFunctions)是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言:为什么需要作用域函数?二、作用域函China编程数详解1. apply:对象配置的 “流式构建器”最

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

C++中::SHCreateDirectoryEx函数使用方法

《C++中::SHCreateDirectoryEx函数使用方法》::SHCreateDirectoryEx用于创建多级目录,类似于mkdir-p命令,本文主要介绍了C++中::SHCreateDir... 目录1. 函数原型与依赖项2. 基本使用示例示例 1:创建单层目录示例 2:创建多级目录3. 关键注

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程

kotlin的函数forEach示例详解

《kotlin的函数forEach示例详解》在Kotlin中,forEach是一个高阶函数,用于遍历集合中的每个元素并对其执行指定的操作,它的核心特点是简洁、函数式,适用于需要遍历集合且无需返回值的场... 目录一、基本用法1️⃣ 遍历集合2️⃣ 遍历数组3️⃣ 遍历 Map二、与 for 循环的区别三、高

C语言字符函数和字符串函数示例详解

《C语言字符函数和字符串函数示例详解》本文详细介绍了C语言中字符分类函数、字符转换函数及字符串操作函数的使用方法,并通过示例代码展示了如何实现这些功能,通过这些内容,读者可以深入理解并掌握C语言中的字... 目录一、字符分类函数二、字符转换函数三、strlen的使用和模拟实现3.1strlen函数3.2st

MySQL中COALESCE函数示例详解

《MySQL中COALESCE函数示例详解》COALESCE是一个功能强大且常用的SQL函数,主要用来处理NULL值和实现灵活的值选择策略,能够使查询逻辑更清晰、简洁,:本文主要介绍MySQL中C... 目录语法示例1. 替换 NULL 值2. 用于字段默认值3. 多列优先级4. 结合聚合函数注意事项总结C

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.