遗传退火算法
‘壹’ 请问一下遗传算法，模拟退火算法和遗传模拟退火算法的区别，最好能有根据同一个数学问题的matalb程序源代
遗传算法是种群择优，模拟退火是择优降火，里头的差别不大，就是生成新链，然后计算适应度什么的。这两种优化算法都能解决TSP问题，源代码没有，不过matlab有工具箱可以实现吧，你再找找。
‘贰’ 遗传算法及模拟退火用于什么方面
模拟退火算法和遗传算法，包括禁忌搜索算法，蚁群算法等都可以用来求解优化问题。
‘叁’ 遗传算法、数值算法、爬山算法、模拟退火 各自的优缺点
遗传算法：其优点是能很好地处理约束，跳出局部最优，最终得到全局最优解。缺点是收敛速度慢，局部搜索能力弱，运行时间长，容易受到参数的影响。
模拟退火：具有局部搜索能力强、运行时间短的优点。缺点是全局搜索能力差，容易受到参数的影响。
爬山算法：显然爬山算法简单、效率高，但在处理多约束大规模问题时，往往不能得到较好的解决方案。
数值算法：这个数值算法的含义太宽泛了，指的是哪种数值算法，阵列算法与爬山算法一样，各有优缺点。
(3)遗传退火算法扩展阅读：
注意事项：
遗传算法的机制比较复杂，在Matlab中已经用工具箱中的命令进行了打包，通过调用可以非常方便的使用遗传算法。
函数GA：［x，Fval，reason］＝GA（＠fitnessfun，Nvars，options）x为最优解，Fval为最优值，＠Fitnessness为目标函数，Nvars为自变量个数，options为其他属性设置。系统的默认值是最小值，所以函数文档中应该加上一个减号。
要设置选项，您需要以下函数：options＝GaOptimset（＇PropertyName1＇，＇PropertyValue1＇，＇PropertyName2＇，＇PropertyName3＇，＇PropertyValue3＇…）通过该函数，可以确定一些遗传算法的参数。
‘肆’ 遗传模拟退火算法优化BP神经网络的Matlab程序
“模拟退火”算法是源于对热力学中退火过程的模拟，在某一给定初温下，通过缓慢下降温度参数，使算法能够在多项式时间内给出一个近似最优解。退火与冶金学上的‘退火’相似，而与冶金学的淬火有很大区别，前者是温度缓慢下降，后者是温度迅速下降。
“模拟退火”的原理也和金属退火的原理近似：我们将热力学的理论套用到统计学上，将搜寻空间内每一点想象成空气内的分子；分子的能量，就是它本身的动能；而搜寻空间内的每一点，也像空气分子一样带有“能量”，以表示该点对命题的合适程度。算法先以搜寻空间内一个任意点作起始：每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。
‘伍’ 模拟退火算法、遗传算法、蚁群算法、粒子群算法就算法复杂度和难度来讲哪个要容易一点急！！！！
粒子群比较简单，也好入门。
就两个公式。
我这有个现成的，你运行，看看，分析分析就会了。
‘陆’ 粒子群算法遗传算法蚁群算法模拟退火算法和贝叶斯是一类算法吗
粒子群算法、遗传算法、蚁群算法、模拟退火算法，这些是一类算法，是一种基于迭代的优化算法，用于求最优解。
贝叶斯分类算法另一类，它是统计学的一种分类方法，利用概率统计知识进行分类的算法。
‘柒’ 模拟退火和遗传算法都可以解决什么问题啊
模拟退火算法和遗传算法，包括禁忌搜索算法，蚁群算法等都可以用来求解优化问题。这些算法的一个特点是虽然对于一些复杂问题，比如说DP难题，可能不好找到最优解（理论上找到最优解是可以的），但是可以以较高的效率找到满意解。
‘捌’ 现在模拟退火算法、粒子群优化算法、遗传算法和蚁群优化算法现在用的还多吗
我是人工智能的小白，不能告诉你这几个算法是否是人工智能，不过碰巧多年前学习优化算法时，接触过这些算法。在这里分享几个关于算法的故事吧。
货郎担问题
有个快递小哥要跑遍全城送货，您打算帮他规划一条最短的路线。该怎么做呢，最直接的办法是穷举法。罗列出所有可能的线路，计算出每条线路的距离，寻求最短的路径。看起来很简单吧。可是在实际的路网上，路线组合是非常多的。如果有15个目的地，组合的数量至少是15的阶乘。更何况还要考虑路况，收费免费，时间段等各种条件的组合，这样的计算量恐怕是量子计算机也不能在可接受的时间里完成。这象是对条件不足多元方程组求解，要从无穷多的解中找出最接近期望值的解。于是，人们想出了许多快速逼近最优解的办法。
蚂蚁算法
蚂蚁出来觅食时，先是向四面八方出动，发现食物的蚂蚁会掉头回来通知其它的蚂蚁。接到通知的蚂蚁就会向食物的方向移动。蚂蚁移动时会在路线上留下气味。这样在通向食物的路线上气味就越来越浓，后面的蚂蚁不用直接接到信息，只要追着最浓的气味就可以找到食物。人们受到这个现象的启发，设立出来先按随机条件计算，在小范围内找到局部最优解之后，就为这些条件加分。一定时间后就围绕着分数高的条件计算，不断反复后得到的解被当作近似最优解。这就是蚂蚁算法的原理。
神经网络
和蚂蚁算法类似，人的记忆是通过神经元的突出建立起联系实现的。类似的刺激会使联系增强。达到一定刺激量之后，就可以形成长久的记忆。模仿这一过程，人们把各种约束条件当作神经元，随机选取路线，输入各种条件，当路径倾向于缩短时，就按照权重给各条件加分，反之就给条件减分，然后，根据分数，以最有利于优化的条件为主重新选择路线，反复该过程直到达到边界条件时，就认为得到了近似最优解。遗传算法，模拟退火算法，也都是用一定的方法，缩小计算范围，通过求局部最优解逼近最优解的。就不啰嗦了。
人工智能和优化算法
优化算法实际上是从早期人工智能的研究发展起来的，从这个意义上说，这些算法也可以说是人工智能吧。
‘玖’ 请问如何学好遗传算法跟模模拟退火算法，以及如何用MATLAB实现。
我以前是自己编写的模拟退火算法程序，然后用于实现。遗传算法使用的遗传算法工具性，是设菲尔德大学编写的，可以下下来看看，是在MATLAB环境下应用的，直接拿来调用就可以了。建议你好好看看模拟退火算法和遗传算法的论文，多打印一些咬牙看个七八天就明白了！然后MATLAB编程！我就是这样做的。祝好运！
‘拾’ 请教一份“遗传模拟退火算法优化BP神经网络权值阈值的MATLAB程序”
把这一行的若干参数，比如0.09抽象出来，写成一个新的函数，再调用退火算法，求解这个参数的最优值。