模拟退火算法（Simulated Annealing，SA）有一张特别经典的图，用于说明SA算法为何能跳出局部最优解，找到全局最优解。在写论文是必须要有原图和可编辑的原始文件，网上找了好久都没找到代码，在此记录一下。

        假定初始解为左边蓝色点A，模拟退火算法会快速搜索到局部最优解B，但在搜索到局部最优解后，不是就此结束，而是会以一定的概率接受到左边的移动。经过几次这样的不是局部最优的移动后有可能会到达全局最优点D，于是就跳出了局部最小值。

MATLAB版实现如下：

x=-8.2:0.05:8.5;
y =(x-2).*(x+2).*(x+5).*(x-4).*(x+7).*(x-8.5);
plot(x,y,'r','LineWidth',2);
axis([-10,10,-60000,60000]);
hold on
//(x1,y1),(x2,y2),(x3,y3)分别是三个极小值点，其中(x3,y3)是最小值点
x1=-6.25;
x2=-0.1;
x3=7.2;
y1=-4970;
y2=-4757;
y3=-34480;
sz=200;
scatter(x1,y1,sz,'p','MarkerEdgeColor','g','MarkerFaceColor','y')
scatter(x2,y2,sz,'p','MarkerEdgeColor','g','MarkerFaceColor','y')
scatter(x3,y3,sz,'p','MarkerEdgeColor','k','MarkerFaceColor','k')
hold on
sz1=80;
x0=-8:0.4:-6.7;
y0=(x0-2).*(x0+2).*(x0+5).*(x0-4).*(x0+7).*(x0-8.5);
scatter(x0,y0,sz1,'filled','b');
hold on
x0=-5.5:0.9:-0.5;
y0=(x0-2).*(x0+2).*(x0+5).*(x0-4).*(x0+7).*(x0-8.5);
scatter(x0,y0,sz1,'filled','b');
hold on
x0=0.8:0.8:6.8;
y0=(x0-2).*(x0+2).*(x0+5).*(x0-4).*(x0+7).*(x0-8.5);
scatter(x0,y0,sz1,'filled','b');

'MarkerEdgeColor' - 标记轮廓颜色，使用方法：'MarkerEdgeColor','某个颜色代号',

'MarkerFaceColor' - 标记填充颜色，使用方法：'MarkerFaceColor','某个颜色代号',

'filled' - 用于填充标记内部的选项，使用方法：'filled','某个颜色代号',

        注意：'MarkerEdgeColor' 和 'MarkerFaceColor' 可以结合使用，两者都不可以与 ‘filled’ 结合使用。

        原因是： 'filled' 选项将 Scatter 对象的 MarkerFaceColor 属性设置为 'flat'，并将 MarkerEdgeColor 属性设置为 'none'，这样便可只填充标记的面，而不绘制边。

        更多Scatter 知识请参见这篇博文 MATLAB中scatter函数的用法（绘制散点图）

想直接拿无水印图的点击 csdn上传图片无水印