模拟退火算法是一种全局优化算法，它通过随机化和概率接受较差解的方法来跳出局部最优解，从而在搜索空间中找到全局最优解。在matlab中，模拟退火算法的实现非常简单，下面我们来介绍一下。

首先，我们需要定义目标函数，即待优化的问题。例如，我们可以定义一个函数f(x)，其中x是一个n维向量，表示搜索空间中的一个点，f(x)的输出值表示该点的优劣程度。在matlab中，我们可以用function关键字来定义这个函数，例如：

function y = f(x)

y = sin(x(1))+cos(x(2))+x(3)^2;

接着，我们需要设置模拟退火算法的参数，包括初始温度、终止温度、初始解、迭代次数等。在matlab中，可以使用simulannealbnd函数来设置这些参数，例如：

options = saoptimset('InitialTemperature',100,'AnnealingFcn',@annealingboltz,'MaxFunEvals',1000);

其中，InitialTemperature表示初始温度，AnnealingFcn表示采用的降温函数，MaxFunEvals表示最大迭代次数。

最后，我们可以调用simulannealbnd函数来运行模拟退火算法，并得到最优解。例如：

[x,fval,exitflag] = simulannealbnd(@f,x0,[],[],options);

其中，@f表示目标函数，x0表示初始解，[]表示无约束条件，options表示算法参数。

通过这些简单的步骤，我们就可以在matlab中实现模拟退火算法了。当然，实际应用中可能还需要对算法进行调参和优化，以获取更好的结果。