基于matlab的模拟退火算法优化TSP(SA-TSP)最优路径动态寻优。 输出最优路径值、路径曲线、迭代曲线。 数据可更换自己的程序已调通可直接运行。咱们今天来玩点刺激的——用MATLAB搞个会自己找最优路线的模拟退火快递小哥先看效果程序跑完直接给你画出三条曲线最优路线动态变化就像贪吃蛇在找食物最后还能告诉你最短配送距离。先上核心代码热热身while T T_min for i 1:L new_route generate_neighbor(current_route); new_distance calculate_distance(new_route, cities); delta new_distance - current_distance; if delta 0 || exp(-delta/T) rand current_route new_route; current_distance new_distance; end if current_distance best_distance best_route current_route; best_distance current_distance; end end T T * cooling_rate; end这段代码就是模拟退火的灵魂所在。generate_neighbor函数随机打乱两个城市的位置来制造新路线就像快递小哥突然想换个送货顺序试试。exp(-delta/T)这个接受准则最有趣——刚开始温度T高的时候连更长的路线都可能被接受这样就能跳出局部最优相当于允许小哥偶尔绕个远路探索新路线。基于matlab的模拟退火算法优化TSP(SA-TSP)最优路径动态寻优。 输出最优路径值、路径曲线、迭代曲线。 数据可更换自己的程序已调通可直接运行。动态展示才是重头戏看这段绘图代码figure(1); plot(cities(:,1), cities(:,2),o); hold on; h plot(cities(best_route,1), cities(best_route,2),r-); hold off; title([当前最优距离: , num2str(best_distance)]); drawnow;每次迭代都用drawnow刷新图形你会看到红线像条活蛇一样在屏幕上扭动最后慢慢收敛到最优路径。这种实时可视化对调试参数超级有用——如果看到路线老在几个状态之间跳来跳去就该调大降温系数了。参数设置是门玄学这里有个参考配置% 30个城市的坐标矩阵自己随便改 cities rand(30,2)*100; % 初始温度要足够高降温系数0.95比较稳 initial_T 1000; cooling_rate 0.95; T_min 1e-3;迭代曲线绘制更直观figure(2); plot(best_history,LineWidth,1.5); xlabel(迭代次数); ylabel(最短距离); grid on; title(退火过程收敛曲线);跑完程序你会看到曲线先是断崖式下跌然后进入平台期小幅震荡最后趋于平稳——这时候就可以收工了。建议多跑几次对比结果毕竟随机算法每次结果都可能不同。最后来个彩蛋在计算距离的函数里加个地形权重矩阵可以模拟真实路况的上坡难易度。不过那又是另一个故事了有兴趣的可以自己魔改代码试试看~