最大限度地减少许多本地最小值的功能
描述
本节介绍了一个示例，该示例显示了如何使用模拟退火查找函数的本地最小值。
De Jong的第五个功能是具有许多（25）本地最小值的二维功能：
dejong5fcn.
许多标准优化算法陷入局部最小值。因为模拟退火算法进行了宽的随机搜索，所以捕获在局部最小值的可能性会降低。
笔记：
由于模拟退火使用随机数发生器，因此每次运行此算法时都可以获得不同的结果。看重现你的结果想要查询更多的信息。
最小化命令行
在没有约束的情况下运行模拟退火算法，呼叫Simulannealbnd.在命令行使用目标函数dejong5fcn.m.，由匿名函数指针引用：
RNG（10，'Twister'）％以获得再现性乐趣= @ dejong5fcn;[x，fval] = simulannealbnd（乐趣，[0 0]）
这是回报
优化终止：更改最佳函数值小于options.functiontolerance。x = -16.1292 -15.8214 fval = 6.9034
在哪里
X是算法返回的最后一点。fval.是最后一点的目标函数值。
最小化使用优化应用程序
使用优化应用程序运行最小化，
设置您的问题如优化应用程序中所示
点击开始在下面运行求解器并查看结果：
您的结果可能与所示，因为
Simulannealbnd.使用随机数流。
也可以看看
相关话题
您还可以从以下列表中选择一个网站：
