第五章物流系統(tǒng)的智能優(yōu)化方法課件

物流系統(tǒng)的智能優(yōu)化方法

誹贓刀缸餐拿辨休檢銘仆余翔敢深薦剪稚堂著綱梭河迄兔季恭勉品遺扳輾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法1物流系統(tǒng)的智能優(yōu)化方法誹贓刀缸餐拿辨休檢銘仆余翔敢深薦剪稚課程內(nèi)容

模擬退火算法、遺傳算法、禁忌搜索算法、神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)優(yōu)化算法課程目標(biāo)

了解智能優(yōu)化的模型結(jié)構(gòu)；理解模擬退火算法的收斂性條件； 掌握智能優(yōu)化的流程、操作、算法理論與技術(shù) 物流系統(tǒng)優(yōu)化的智能優(yōu)化方法為復(fù)雜物流管理決策問題提供了重要的可行性解決方案。鈍箔文猙楔往息攔飯蝦寧矢抗姨泌懇侍梯檬讀瑯寞接照洶瘋俞桶朱托耐鏈第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法2課程內(nèi)容鈍箔文猙楔往息攔飯蝦寧矢抗姨泌懇侍梯檬讀瑯寞接照洶瘋模擬退火算法(SimulatedAnnealing)1、基本思想(1)是基于MonteCarlo迭代求解策略的一種隨機(jī)尋優(yōu)算法，其出發(fā)點(diǎn)是基于物理中固體物質(zhì)的退火過程與一般組合優(yōu)化問題之間的相似性。(2)結(jié)合爬山法和隨機(jī)行走注：SA算法最早是由Metropolis等(1953)提出士奇鏡唐俞鈕餾轍含沃謙臘豁締吾奄唾鉗幻闡拖舟縮砌薛拉援鐘云掠腸剎第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法3模擬退火算法(SimulatedAnnealing)1、(3)模擬退火算法在某一初溫下，伴隨溫度參數(shù)的不斷下降，結(jié)合概率突跳特性在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，即在局部?jī)?yōu)解能概率性地跳出并最終趨于全局最優(yōu)解。模擬退火算法是一種通用的優(yōu)化算法，目前已在工程中得到了廣泛應(yīng)用。模擬退火算法(SimulatedAnnealing)樣揀奸覺察雪峨履溝秀恒素嗓劊匝余議午卿圈艘勃儉揩炸獲鍋原逛負(fù)盼籽第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法4(3)模擬退火算法在某一初溫下，伴隨溫度參數(shù)的不斷下降2、物理退火過程和Metropolis準(zhǔn)則簡(jiǎn)單而言，物理退火過程由以下三部分組成：⑴加溫過程。其目的是增強(qiáng)粒子的熱運(yùn)動(dòng)，使其偏離平衡位置。當(dāng)溫度足夠高時(shí)，固體將溶解為液體，從而消除系統(tǒng)原先可能存在的非均勻態(tài)，使隨后進(jìn)行的冷卻過程以某一平衡態(tài)為起點(diǎn)。溶解過程與系統(tǒng)的熵增過程聯(lián)系，系統(tǒng)能量也隨溫度的升高而增大。模擬退火算法(SimulatedAnnealing)債古頒弦辱扮少葷虱諸涪柳衍鳥昧諾乓棟繩炒婚刮員冪撂繞謀薦探排根焙第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法52、物理退火過程和Metropolis準(zhǔn)則模擬退火算法(S⑵等溫過程。物理學(xué)的知識(shí)告訴我們，對(duì)于與周圍環(huán)境交換熱量而溫度不變的封閉系統(tǒng)，系統(tǒng)狀態(tài)的自發(fā)變化總是朝自由能減少的方向進(jìn)行，當(dāng)自由能達(dá)到最小時(shí)，系統(tǒng)達(dá)到平衡態(tài)。⑶冷卻過程。目的是使粒子的熱運(yùn)動(dòng)減弱并漸趨有序，系統(tǒng)能量逐漸下降，從而得到低能的晶體結(jié)構(gòu)。模擬退火算法(SimulatedAnnealing)鴿斧蓮催辯潘嘻班凋潰彤寺父鋁零傲忘含峙縛菌鵑沈電惑估寧濃瘩穎疏咐第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法6⑵等溫過程。物理學(xué)的知識(shí)告訴我們，對(duì)于與周圍環(huán)境交換熱量而溫Metropolis等在1953年提出了重要性采樣法，即以概率接受新狀態(tài)。具體而言，在溫度t,由當(dāng)前狀態(tài)i產(chǎn)生新狀態(tài)j，兩者的能量分別為，若則接受新狀態(tài)j為當(dāng)前狀態(tài)；否則，若概率大于區(qū)間內(nèi)的隨機(jī)數(shù)則仍舊接受新狀態(tài)j為當(dāng)前狀態(tài)，若不成立則保留i為當(dāng)前狀態(tài)，其中k為Boltzmann常數(shù)。模擬退火算法(SimulatedAnnealing)筒屜梭嚏施贖削塘淬滄鑼宴簾豹盲壽廷彼堵睬斷嗜艱槐嫡產(chǎn)謄應(yīng)晉狙億痕第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法7Metropolis等在1953年提出了重要性采樣法，這種重要性采樣過程在高溫下可接受與當(dāng)前狀態(tài)能量差較大的新狀態(tài)，而在低溫下基本只接受與當(dāng)前能量差較小的新狀態(tài)，而且當(dāng)溫度趨于零時(shí)，就不能接受比當(dāng)前狀態(tài)能量高的新狀態(tài)。這種接受準(zhǔn)則通常稱為Metropolis準(zhǔn)則。模擬退火算法(SimulatedAnnealing)璃遍庸風(fēng)瘦利扒拎羽著咒營(yíng)蝶創(chuàng)壩普功追桃惑揪滬各鏟培傘煽攝幅滲餌維第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法8這種重要性采樣過程在高溫下可接受與當(dāng)前狀態(tài)能量差較大2、算法步驟標(biāo)準(zhǔn)模擬退火算法的一般步驟可描述如下：⑴給定初溫，隨機(jī)產(chǎn)生初始狀態(tài)，令；⑵Repeat:①Repeat產(chǎn)生新狀態(tài)；模擬退火算法(SimulatedAnnealing)綢鐵辣至譬七李擁員士釉增蘭茶勇膛票置帆穆碳琳錫宦踩褒忌褂枕努闖碌第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法92、算法步驟模擬退火算法(SimulatedAnnealUntil抽樣穩(wěn)定準(zhǔn)則滿足；②退溫，并令；Until算法終止準(zhǔn)則滿足；⑶輸出算法搜索結(jié)果。模擬退火算法(SimulatedAnnealing)頸掣已辦刪榮綽渡般送芥抄丈瑯破寡訓(xùn)墳嬰腦康燼雄霖詩(shī)辭凝榆雛蝗竄垢第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法10Until抽樣穩(wěn)定準(zhǔn)則滿足；模擬退火算法(Simulat3、算法關(guān)鍵參數(shù)和操作的設(shè)定從算法流程上看，模擬退火算法包括三函數(shù)兩準(zhǔn)則，即狀態(tài)產(chǎn)生函數(shù)、狀態(tài)接受函數(shù)、溫度更新函數(shù)、內(nèi)循環(huán)終止準(zhǔn)則和外循環(huán)終止準(zhǔn)則，這些環(huán)節(jié)的設(shè)計(jì)將決定SA算法的優(yōu)化性能。此外，初溫的選擇對(duì)SA算法性能也有很大影響。模擬退火算法(SimulatedAnnealing)勃熙噸披樊倡廓伎邦退伙榜秸鑷桐凌專鑿乙擴(kuò)漂嘎蚤過牲闌躁侄櫥期槽斧第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法113、算法關(guān)鍵參數(shù)和操作的設(shè)定模擬退火算法(Simulate⑴狀態(tài)產(chǎn)生函數(shù)設(shè)計(jì)狀態(tài)產(chǎn)生函數(shù)（鄰域函數(shù)）的出發(fā)點(diǎn)應(yīng)該是盡可能保證產(chǎn)生的候選解遍布全部的解空間。通常，狀態(tài)產(chǎn)生函數(shù)由兩部分組成，即產(chǎn)生候選解的方式和候選解產(chǎn)生的概率分布。模擬退火算法(SimulatedAnnealing)司稻焚巒寇蠅絨照窖洪拾殉瘁聲朱苞摘守腎嘯您雍責(zé)壬幀輝絞烈饅廢忠呢第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法12⑴狀態(tài)產(chǎn)生函數(shù)模擬退火算法(SimulatedAnneal⑵狀態(tài)接受函數(shù)狀態(tài)接受函數(shù)一般以概率的方式給出，不同接受函數(shù)的差別主要在于接受概率的形式不同。設(shè)計(jì)狀態(tài)接受概率，應(yīng)該遵循以下原則：①在固定溫度下，接受使目標(biāo)函數(shù)值下降的候選解的概率要大于使目標(biāo)值上升的候選解的概率；模擬退火算法(SimulatedAnnealing)灑費(fèi)琢勻潭轟蛔緩吵貯耐認(rèn)虱淬探滁良數(shù)施鄰丑熏峰劊滲黎樸鈔尖因勾糖第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法13⑵狀態(tài)接受函數(shù)模擬退火算法(SimulatedAnneal②隨溫度的下降，接受使目標(biāo)函數(shù)值上升的解的概率要逐漸減??；③當(dāng)溫度趨于零時(shí)，只能接受目標(biāo)函數(shù)值下降的解。狀態(tài)接受函數(shù)的引入是SA算法實(shí)現(xiàn)全局搜索的最關(guān)鍵的因素，SA算法中通常采用min[1,exp(-△C/t)]作為狀態(tài)接受函數(shù)。模擬退火算法(SimulatedAnnealing)導(dǎo)湖約叁蚊虞晌踐傭碴泳麗稈墅怪倔渡拄賂卓忌撞墑念虧注調(diào)娘勇掀奢緯第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法14②隨溫度的下降，接受使目標(biāo)函數(shù)值上升的解的概率要逐漸減小；模⑶初溫初始溫度、溫度更新函數(shù)、內(nèi)循環(huán)終止準(zhǔn)則和外循環(huán)終止準(zhǔn)則通常被稱為退火歷程(annealingschedule)。實(shí)驗(yàn)表明，初溫越大，獲得高質(zhì)量解的幾率越大，但花費(fèi)的計(jì)算時(shí)間將增加。因此，初溫的確定應(yīng)折衷考慮優(yōu)化質(zhì)量和優(yōu)化效率，常用方法包括：模擬退火算法(SimulatedAnnealing)注麓納蜜轟濾嫉洪梆薔橇透原藹倫銻熟奮紙賤諒紊摟霓嘗筷彩容壞荒瑯多第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法15⑶初溫模擬退火算法(SimulatedAnnealing)①均勻抽樣一組狀態(tài)，以各狀態(tài)目標(biāo)值的方差為初溫。②隨機(jī)產(chǎn)生一組狀態(tài)，確定兩兩狀態(tài)間的最大目標(biāo)值差，然后依據(jù)差值，利用一定的函數(shù)確定初溫。譬如，其中為初始接受概率。③利用經(jīng)驗(yàn)公式給出。模擬退火算法(SimulatedAnnealing)祖涎敗袖跑傭墻酗攘八幅煞吩界傍扭俯吝弧傷膏喝排昌撈圍褲忙對(duì)酵滬藤第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法16①均勻抽樣一組狀態(tài)，以各狀態(tài)目標(biāo)值的方差為初溫。模擬退火算法⑷溫度更新函數(shù)溫度更新函數(shù)，即溫度的下降方式，用于在外循環(huán)中修改溫度值。目前，最常用的溫度更新函數(shù)為指數(shù)退溫函數(shù)，即，其中且其大小可以不斷變化。模擬退火算法(SimulatedAnnealing)答畢噎欺陶掛舜遂寐接端氏饒逆石懂洲箋菊椿援絹滿菌乙左桶賃芬游軟照第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法17⑷溫度更新函數(shù)模擬退火算法(SimulatedAnneal⑸內(nèi)循環(huán)終止準(zhǔn)則內(nèi)循環(huán)終止準(zhǔn)則，或稱Metropolis抽樣穩(wěn)定準(zhǔn)則，用于決定在各溫度下產(chǎn)生候選解的數(shù)目。在非時(shí)齊SA算法理論中，由于在每個(gè)溫度下只產(chǎn)生一個(gè)或少量候選解，所以不存在選擇內(nèi)循環(huán)終止準(zhǔn)則的問題。

模擬退火算法(SimulatedAnnealing)開皮育柳工?；I鞭爸贏抖離皋娘受施馮亮靠斌腸蒜牌屏梅婁偵堪碎懈淪黑第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法18⑸內(nèi)循環(huán)終止準(zhǔn)則模擬退火算法(SimulatedAnnea而在時(shí)齊SA算法理論中，收斂條件要求在每個(gè)溫度下產(chǎn)生候選解的數(shù)目趨于無窮大，以使相應(yīng)的馬氏鏈達(dá)到平穩(wěn)概率分布，顯然在實(shí)際應(yīng)用算法時(shí)這是無法實(shí)現(xiàn)的。常用的抽樣準(zhǔn)則包括：①檢驗(yàn)?zāi)繕?biāo)函數(shù)的均值是否穩(wěn)定；②連續(xù)若干步的目標(biāo)值變化較??；③按一定的步數(shù)抽樣。

模擬退火算法(SimulatedAnnealing)駒呀棱橫寧搏陪喉嘲繳囤蹬籃授攆牢楔箭聘針蛛霹位升寧都侯媽朗原鞭朵第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法19而在時(shí)齊SA算法理論中，收斂條件要求在每個(gè)溫度下產(chǎn)生候選⑹外循環(huán)終止準(zhǔn)則外循環(huán)終止準(zhǔn)則，即算法終止準(zhǔn)則，用于決定算法何時(shí)結(jié)束。設(shè)置溫度終值是一種簡(jiǎn)單的方法。SA算法的收斂性理論中要求溫度終值趨于零，這顯然不合實(shí)際。通常的做法是：

①設(shè)置終止溫度的閾值；②設(shè)置外循環(huán)迭代次數(shù)；③算法搜索到的最優(yōu)值連續(xù)若干步保持不變；

④檢驗(yàn)系統(tǒng)熵是否穩(wěn)定。模擬退火算法(SimulatedAnnealing)侵妓炕桂剛旅渤澀蛇逞尸過芍黔卷慰阮靜職欠徒熾鯨舜噓妹妻蔡嬌楊態(tài)悶第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法20⑹外循環(huán)終止準(zhǔn)則模擬退火算法(SimulatedAnnea小結(jié)由于算法的一些環(huán)節(jié)無法在實(shí)際設(shè)計(jì)算法時(shí)實(shí)現(xiàn)，因此SA算法往往得不到全局最優(yōu)解，或算法結(jié)果存在波動(dòng)性。目前，SA算法參數(shù)的選擇仍依賴于一些啟發(fā)式準(zhǔn)則和待求問題的性質(zhì)。SA算法的通用性很強(qiáng)，算法易于實(shí)現(xiàn)，但要真正取得質(zhì)量和可靠性高、初值魯棒性好的效果，克服計(jì)算時(shí)間較長(zhǎng)、效果較低的缺點(diǎn)，并適用于規(guī)模較大的問題，尚需進(jìn)行大量的研究工作。危鉑遺圃游潮紀(jì)斂邏旬鎂試詐此敏厄兼敖緬懶味的當(dāng)烯敏崖萍趟疽逢滑病第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法21小結(jié)由于算法的一些環(huán)節(jié)無法在實(shí)際設(shè)計(jì)算法時(shí)實(shí)現(xiàn)，因此SA算法1、基本概念模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。遺傳算法襲胃閹鍛豺瘟幣稍頤街腳嘻析演介跑朽源絞玖散會(huì)愉理嘶綻削城倦螟刃導(dǎo)第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法221、基本概念遺傳算法襲胃閹鍛豺瘟幣稍頤街腳嘻析演介跑朽源絞玖2、基本思想對(duì)于一個(gè)求函數(shù)最大值的優(yōu)化問題，一般可描述為下述數(shù)學(xué)規(guī)劃模型：

遺傳算法江琶熱干褒戰(zhàn)敞播茫咋汛氧竅延質(zhì)同印劇伐富慚屆族技躺霖屁盧卉維青輪第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法232、基本思想遺傳算法江琶熱干褒戰(zhàn)敞播茫咋汛氧竅延質(zhì)同印劇伐富式中，為決策變量，f(X)為目標(biāo)函數(shù)，U是基本空間，R是U的一個(gè)子集。遺傳算法中，將n維決策向量用n個(gè)記號(hào)所組成的符號(hào)串X來表示：遺傳算法侯擴(kuò)嘆沂羞準(zhǔn)櫻灶吩幸篆祈歐掄花唐茶漂徑魄渠昔朝構(gòu)貼眨淫偏嘿莆醫(yī)舵第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法24式中，為決策變把每一個(gè)看作一個(gè)遺傳基因，它的所有可能取值稱為等位基因，這樣，X就可看作是由n個(gè)遺傳基因所組成的一個(gè)染色體。染色體的長(zhǎng)度可以是固定的，也可以是變化的。等位基因可以是一組整數(shù)，也可以是某一范圍內(nèi)的實(shí)數(shù)值，或者是記號(hào)。最簡(jiǎn)單的等位基因是由0和1這兩個(gè)整數(shù)組成的，相應(yīng)的染色體就可表示為一個(gè)二進(jìn)制符號(hào)串。遺傳算法腫韓瞄銘著幀距棠撞牙掂奴肥隅施蘋眩孕袁囂慢筆滓拓硬眠溜墻碑預(yù)渝霍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法25把每一個(gè)看作一個(gè)遺傳基因，它的所有可能取值這種編碼所形成的排列形式X是個(gè)體的基因型，與它對(duì)應(yīng)的X值是個(gè)體的表現(xiàn)型。染色體X也稱為個(gè)體X，對(duì)于每一個(gè)個(gè)體X，要按照一定的規(guī)則確定出其適應(yīng)度。個(gè)體的適應(yīng)度與其對(duì)應(yīng)的個(gè)體表現(xiàn)型X的目標(biāo)函數(shù)值相關(guān)聯(lián)，X越接近于目標(biāo)函數(shù)的最優(yōu)點(diǎn)，其適應(yīng)度越大；反之，其適應(yīng)度越小。遺傳算法亦讀未買麗野泉弟探椅若瑤鱗媽歌叉睡薔科堰騰河稚鎖盎階翼畸馴原彎獸第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法26這種編碼所形成的排列形式X是個(gè)體的基因型，與它對(duì)應(yīng)的遺傳算法中，決策變量X組成了問題的解空間。對(duì)問題最優(yōu)解的搜索是通過對(duì)染色體X的搜索過程來進(jìn)行的，從而由所有的染色體X就組成了問題的搜索空間。 生物的進(jìn)化是以集團(tuán)為主體的。與此相對(duì)應(yīng)，遺傳算法的運(yùn)算對(duì)象是由M個(gè)個(gè)體所組成的集合，稱為群體。遺傳算法噎綠捻壕魯犧杉雹沼網(wǎng)鐐芋役麓免政召孫執(zhí)萊雹催奔皆吊反皺改賀酋漸殃第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法27遺傳算法中，決策變量X組成了問題的解空間 與生物一代一代的自然進(jìn)化過程相似，遺傳算法的運(yùn)算過程也是一個(gè)反復(fù)迭代過程，第t代群體記做P(t),經(jīng)過一代遺傳和進(jìn)化后，得到第t+1代群體，它們也是由多個(gè)個(gè)體組成的集合，記做P(t+1)。這個(gè)群體不斷地經(jīng)過遺傳和進(jìn)化操作，并且每次都按照優(yōu)勝劣汰的規(guī)則將適應(yīng)度較高的個(gè)體更多地遺傳到下一代，這樣最終在群體中將會(huì)得到一個(gè)優(yōu)良的個(gè)體X，它所對(duì)應(yīng)的表現(xiàn)型X將達(dá)到或接近于問題的最優(yōu)解。遺傳算法洪堡瘸叉叢勻鏡炎擊藏緬鋇拷鍬妊引房亢辜爭(zhēng)煙成鴦挨微熱椎揮惋式肉促第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法28 與生物一代一代的自然進(jìn)化過程相似，遺傳算法的運(yùn)算過程也是 生物的進(jìn)化過程主要是通過染色體之間的交叉和染色體的變異來完成的。遺傳算法中最優(yōu)解的搜索過程也模仿生物的這個(gè)進(jìn)化過程，使用所謂的遺傳算子(geneticoperators)作用于群體P(t)中，進(jìn)行下述遺傳操作，從而得到新一代群體P(t+1)。遺傳算法索工兄健撰韋少恐輝榮隕苞癟徘奢江轎枉泣覆授硫路贏倆哀騁斯院作兵糾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法29 生物的進(jìn)化過程主要是通過染色體之間的交叉和染色體的變異來選擇(selection):根據(jù)各個(gè)個(gè)體的適應(yīng)度，按照一定的規(guī)則或方法，從第t代群體P(t)中選擇出一些優(yōu)良的個(gè)體遺傳到下一代群體P(t+1)中。交叉(crossover):將群體P(t)內(nèi)的各個(gè)個(gè)體隨機(jī)搭配成對(duì)，對(duì)每一個(gè)個(gè)體，以某個(gè)概率(稱為交叉概率，crossoverrate)交換它們之間的部分染色體。

遺傳算法羨攤姨捉餃戰(zhàn)篆渺峙鐘曬表形敖錐舵公綢沛積翅襪橋洪喜拜誅桃囚灸騾姜第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法30選擇(selection):根據(jù)各個(gè)個(gè)體的適應(yīng)度，按照一定的變異(mutation):對(duì)群體P(t)中的每一個(gè)個(gè)體，以某一概率(稱為變異概率，mutationrate)改變某一個(gè)或一些基因座上基因值為其它的等位基因。遺傳算法撼攙槽旱袋龍琶蓋付攆剮紋澇恨曠鈉杰榔寂貪噪毗跨狀戍抖酚溢拎醚沮汛第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法31變異(mutation):對(duì)群體P(t)中的每一個(gè)個(gè)體，以某3、特點(diǎn) 遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化計(jì)算的魯棒搜索算法，與其他一些優(yōu)化算法相比，主要有下述幾個(gè)特點(diǎn)：遺傳算法以決策變量的編碼作為運(yùn)算對(duì)象。傳統(tǒng)的優(yōu)化算法往往直接利用決策變量的實(shí)際值本身進(jìn)行優(yōu)化計(jì)算，但遺傳算法不是直接以決策變量的值，而是以決策變量的某種形式的編碼為運(yùn)算對(duì)象，從而可以很方便地引入和應(yīng)用遺傳操作算子。

遺傳算法樓撒疹愁睦郵卒綜匹茲突諷蕪洲猿薪摯帕旦猴牙舔噬相薯志贍鹵譯禱沂躍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法323、特點(diǎn)遺傳算法樓撒疹愁睦郵卒綜匹茲突諷蕪洲猿薪摯帕旦猴牙遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息。傳統(tǒng)的優(yōu)化算法往往不只需要目標(biāo)函數(shù)值，還需要目標(biāo)函數(shù)的導(dǎo)數(shù)等其它信息。這樣對(duì)許多目標(biāo)函數(shù)無法求導(dǎo)或很難求導(dǎo)的函數(shù)，遺傳算法就比較方便。遺傳算法淖羅罐耐委繞評(píng)犢蛹磚剮首頤昧政制榔建脂粒嘉磐熄妊深孔罵常賊像棟抨第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法33遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息。傳統(tǒng)的優(yōu)化算法往往不只遺傳算法同時(shí)進(jìn)行解空間的多點(diǎn)搜索。傳統(tǒng)的優(yōu)化算法往往從解空間的一個(gè)初始點(diǎn)開始搜索，這樣容易陷入局部極值點(diǎn)。遺傳算法進(jìn)行群體搜索，而且在搜索的過程中引入遺傳運(yùn)算，使群體又可以不斷進(jìn)化。這些是遺傳算法所特有的一種隱含并行性。

遺傳算法煩直拽捐漾鄉(xiāng)殖虛吸態(tài)橋召伎錠截噎晝蛔瓷胖螺脫笨層常潮慮馮耗亦約涼第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法34遺傳算法同時(shí)進(jìn)行解空間的多點(diǎn)搜索。傳統(tǒng)的優(yōu)化算法往往從解空間遺傳算法使用概率搜索技術(shù)。遺傳算法屬于一種自適應(yīng)概率搜索技術(shù)，其選擇、交叉、變異等運(yùn)算都是以一種概率的方式來進(jìn)行的，從而增加了其搜索過程的靈活性。實(shí)踐和理論都已證明了在一定條件下遺傳算法總是以概率1收斂于問題的最優(yōu)解。

遺傳算法侈系擁柿鐮豎嗜掐禾準(zhǔn)免嗽菩煎豈拾竿聊棚序劇涂頭雕序朗棘聞錐逝贈(zèng)嗚第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法35遺傳算法使用概率搜索技術(shù)。遺傳算法屬于一種自適應(yīng)概率搜索技3、應(yīng)用遺傳算法提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，它不依賴于問題的具體領(lǐng)域，對(duì)問題的種類有很強(qiáng)的魯棒性，所以廣泛應(yīng)用于很多學(xué)科。下面列舉一些遺傳算法的主要應(yīng)用領(lǐng)域。遺傳算法灤筒妝律尸晝致鋅刻浙煉藥胎蘭啡智賺遜銘億例喜盯鱗晾八唉搗獸蠻習(xí)狗第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法363、應(yīng)用遺傳算法灤筒妝律尸晝致鋅刻浙煉藥胎蘭啡智賺遜銘億例組合優(yōu)化：遺傳算法是尋求組合優(yōu)化問題滿意解的最佳工具之一，實(shí)踐證明，遺傳算法對(duì)于組合優(yōu)化問題中的NP完全問題非常有效。遺傳算法對(duì)物鬧猩薔繼吝糟汝茵老虧字丘螟蟹陀佰關(guān)瘩呢毅吾淆丸饑磺燕叼氧坐轍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法37組合優(yōu)化：遺傳算法是尋求組合優(yōu)化問題滿意解的最佳工具之一，實(shí)生產(chǎn)調(diào)度問題：生產(chǎn)調(diào)度問題在很多情況下所建立起來的數(shù)學(xué)模型難以精確求解，即使經(jīng)過一些簡(jiǎn)化之后可以進(jìn)行求解也會(huì)因簡(jiǎn)化得太多而使求解結(jié)果與實(shí)際相差太遠(yuǎn)?，F(xiàn)在遺傳算法已經(jīng)成為解決復(fù)雜調(diào)度問題的有效工具。遺傳算法忙亡式攏省巾赦督匈村軟綻湯屢偷右紗搞拄繳患炯嘗彼嗽撐業(yè)編雌婦學(xué)皇第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法38生產(chǎn)調(diào)度問題：生產(chǎn)調(diào)度問題在很多情況下所建立起來的數(shù)學(xué)模型難自動(dòng)控制：遺傳算法已經(jīng)在自動(dòng)控制領(lǐng)域中得到了很好的應(yīng)用，例如基于遺傳算法的模糊控制器的優(yōu)化設(shè)計(jì)、基于遺傳算法的參數(shù)辨識(shí)、基于遺傳算法的模糊控制規(guī)則的學(xué)習(xí)、利用遺傳算法進(jìn)行人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計(jì)和權(quán)值學(xué)習(xí)等。遺傳算法惦度盟謹(jǐn)橫輛螺橫虎舜迪噬隊(duì)欽恕嵌蚌痘眼錐釩闖襄柑敵絆晶架電郭譯構(gòu)第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法39自動(dòng)控制：遺傳算法已經(jīng)在自動(dòng)控制領(lǐng)域中得到了很好的應(yīng)用，例如機(jī)器人學(xué)：機(jī)器人是一類復(fù)雜的難以精確建模的人工系統(tǒng)，而遺傳算法的起源就來自于對(duì)人工自適應(yīng)系統(tǒng)的研究，所以機(jī)器人學(xué)自然成為遺傳算法的一個(gè)重要應(yīng)用領(lǐng)域。遺傳算法炒輝名堰彼包刻墑漿辣詛淫扔旦郡殼震醋吝妝事西怖亨錯(cuò)孺喀患玖爭(zhēng)戌弧第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法40機(jī)器人學(xué)：機(jī)器人是一類復(fù)雜的難以精確建模的人工系統(tǒng)，而遺傳算圖象處理：圖像處理是計(jì)算機(jī)視覺中的一個(gè)重要研究領(lǐng)域。在圖像處理過程中，如掃描、特征提取、圖像分割等不可避免地存在一些誤差，這些誤差會(huì)影響圖像處理的效果。如何使這些誤差最小是使計(jì)算機(jī)視覺達(dá)到實(shí)用化的重要要求，遺傳算法在這些圖像處理中的優(yōu)化計(jì)算方面得到了很好的應(yīng)用。

遺傳算法遲庇晶斑刀能謗庸煌子凜彬祈龔踏決查淹諱激軒券泡磺籮柿五剖票鐘癢知第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法41圖象處理：圖像處理是計(jì)算機(jī)視覺中的一個(gè)重要研究領(lǐng)域。在圖像處人工生命：人工生命是用計(jì)算機(jī)、機(jī)械等人工媒體模擬或構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。。自組織能力和自學(xué)習(xí)能力是人工生命的兩大重要特征。人工生命與遺傳算法有著密切的關(guān)系，基于遺傳算法的進(jìn)化模型是研究人工生命現(xiàn)象的重要理論基礎(chǔ)。遺傳算法億欠城終耳撾斌進(jìn)彭齲竣悼鈣蠅侮隔淄圾菠姬太諷吱酷眩埃鑒甜賂扁娘夏第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法42人工生命：人工生命是用計(jì)算機(jī)、機(jī)械等人工媒體模擬或構(gòu)造出的具機(jī)器學(xué)習(xí)：基于遺傳算法的機(jī)器學(xué)習(xí)，在很多領(lǐng)域中都得到了應(yīng)用。例如基于遺傳算法的機(jī)器學(xué)習(xí)可用來調(diào)整人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)，也可以用于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計(jì)。遺傳算法萬糜瞧蟻迷己芽粳按誨偽鉛鮮馬佰企柬搏球呈堆盆人隘喻私僻戎皇委咋皿第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法43機(jī)器學(xué)習(xí)：基于遺傳算法的機(jī)器學(xué)習(xí)，在很多領(lǐng)域中都得到了應(yīng)用。4、基本遺傳算法基本遺傳算法（SimpleGeneticAlgorithms,簡(jiǎn)稱SGA）是一種統(tǒng)一的最基本的遺傳算法，它只使用選擇、交叉、變異這三種基本遺傳算子，其遺傳進(jìn)化操作過程簡(jiǎn)單，容易理解，是其他一些遺傳算法的雛形和基礎(chǔ)，它不僅給各種遺傳算法提供了一個(gè)基本框架，同時(shí)也具有一定的應(yīng)用價(jià)值。遺傳算法濁癥狗怒達(dá)聘深晾兩淵怨擠感旬殆莫鞭尾摸贊空蜂寐運(yùn)灼謄燈皺翠戌瑯鞍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法444、基本遺傳算法遺傳算法濁癥狗怒達(dá)聘深晾兩淵怨擠感旬殆莫鞭⑴

基本遺傳算法的構(gòu)成要素①染色體編碼方法?；具z傳算法使用固定長(zhǎng)度的二進(jìn)制符號(hào)串來表示群體中的個(gè)體，其等位基因是由二值符號(hào)集{0，1}所組成的。初始群體中各個(gè)個(gè)體的基因值可用均勻分布的隨機(jī)數(shù)來生成。

遺傳算法教羹補(bǔ)咽籃嗣操婉悄垛貴舟踏查動(dòng)埂牛郡跌厘腔跪特市做釘箍賬覓虎乏焊第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法45⑴

基本遺傳算法的構(gòu)成要素遺傳算法教羹補(bǔ)咽籃嗣操婉悄垛貴②個(gè)體適應(yīng)度評(píng)價(jià)?；具z傳算法按與個(gè)體適應(yīng)度成正比的概率來決定當(dāng)前群體中每個(gè)個(gè)體遺傳到下一代群體中的機(jī)會(huì)多少。為正確計(jì)算這個(gè)概率，這里要求所有個(gè)體的適應(yīng)度必須為正數(shù)或零。③遺傳算子?；具z傳算法使用下述三種遺傳算子：選擇運(yùn)算使用比例選擇算子，交叉運(yùn)算使用單點(diǎn)交叉算子，變異運(yùn)算使用基本位變異算子或均勻變異算子。遺傳算法扁靴搞梯稚殆瑟垣恐洗撞未廚乓膳叛包選烏緩掛察羹釁吮邵亥猴遮只凍漬第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法46②個(gè)體適應(yīng)度評(píng)價(jià)?；具z傳算法按與個(gè)體適應(yīng)度成正比的概率來決④基本遺傳算法的運(yùn)行參數(shù)?；具z傳算法有下述4個(gè)運(yùn)行參數(shù)需要提前設(shè)定：群體大小M，即群體中所含個(gè)體數(shù)目，一般取為20~100；遺傳運(yùn)算的終止進(jìn)化代數(shù)T，一般取為100~500；交叉概率Pc，一般取為0.4~0.99；變異概率Pm，一般取為0.0001~0.1。

遺傳算法淤鍺忽捐揮炙迭磚串彝析蝴獺鈔省償磐咱箔甸畜藉稠塌閏叮揭妖禁止汛椿第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法47④基本遺傳算法的運(yùn)行參數(shù)?；具z傳算法有下述4個(gè)運(yùn)行參數(shù)⑤基本遺傳算法的形式化定義基本遺傳算法可定義為一個(gè)8元組：

遺傳算法柳贊材炳皚審埔郁輯抨穴撻慎華厄折圍化嬰臃馴骯寅李敞肘絲諒個(gè)愛帶旬第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法48⑤基本遺傳算法的形式化定義遺傳算法柳贊材炳皚審埔郁輯抨穴撻慎C---個(gè)體的編碼方法；E---個(gè)體適應(yīng)度評(píng)價(jià)函數(shù)；P0---初始群體；M---群體大??；Φ---選擇算子；Ψ---變異算子；Γ---交叉算子；T---遺傳運(yùn)算終止條件。

遺傳算法擔(dān)蔥稿昂夠者菜滇乃皚愿帳腮拯辨調(diào)津達(dá)癢鍬冊(cè)縷塊婚慰奢早劊尺踴希剮第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法49C---個(gè)體的編碼方法；遺傳算法擔(dān)蔥稿昂夠者菜滇乃皚愿帳腮拯⑵基本遺傳算法的實(shí)現(xiàn)①個(gè)體適應(yīng)度評(píng)價(jià)在遺傳算法中，以個(gè)體適應(yīng)度的大小來確定該個(gè)體被遺傳到下一代群體中的概率。個(gè)體適應(yīng)度越大，該個(gè)體被遺傳到下一代的概率也越大；反之，個(gè)體的適應(yīng)度越小，該個(gè)體被遺傳到下一代的概率也越小?；具z傳算法使用比例選擇算子來確定群體中各個(gè)個(gè)體遺傳到下一代群體中的數(shù)量。為正確計(jì)算不同情況下各個(gè)個(gè)體的遺傳概率，要求所有個(gè)體的適應(yīng)度必須為正數(shù)或零，不能是負(fù)數(shù)。

遺傳算法擔(dān)醬澆沿肄暗顯拆拾糕聰白啥捅本匹龍孤倆鐐忙瞎汀吃齲紹延哭版篇七旁第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法50⑵基本遺傳算法的實(shí)現(xiàn)遺傳算法擔(dān)醬澆沿肄暗顯拆拾糕聰白啥捅本為滿足適應(yīng)度取非負(fù)值的要求，基本遺傳算法一般采用下面兩種方法之一將目標(biāo)函數(shù)值變換為個(gè)體的適應(yīng)度。方法一：對(duì)于目標(biāo)函數(shù)是求極大化，方法為：

遺傳算法雛勿燴勒體弗嚏眼黨脾鎖個(gè)曝解牧灶姆蛾垢忽顴元鉸趾扎致秤野萬燴鋸蹦第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法51為滿足適應(yīng)度取非負(fù)值的要求，基本遺傳算法一般采用下面兩式中，為一個(gè)適當(dāng)?shù)叵鄬?duì)比較小的數(shù)，它可用下面幾種方法之一來選取:預(yù)先指定的一個(gè)較小的數(shù)；進(jìn)化到當(dāng)前代為止的最小目標(biāo)函數(shù)值；當(dāng)前代或最近幾代群體中的最小目標(biāo)值。遺傳算法釁盤釬眶者口矮淺搔險(xiǎn)局忘峻泵照坯霸圾邢筍屁郎倒盾華步暈胺收池阿張第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法52遺傳算法釁盤釬眶者口矮淺搔險(xiǎn)局忘峻泵照坯霸圾邢筍屁郎倒盾華步②比例選擇算子比例選擇實(shí)際上是一種有退還隨機(jī)選擇,也叫做賭盤(RouletteWheel)選擇,因?yàn)檫@種選擇方式與賭博中的賭盤操作原理非常相似。比例選擇算子的具體執(zhí)行過程是：先計(jì)算出群體中所有個(gè)體的適應(yīng)度之和；其次計(jì)算出每個(gè)個(gè)體的相對(duì)適應(yīng)度的大小，此值即為各個(gè)個(gè)體被遺傳到下一代群體中的概率；最后再使用模擬賭盤操作（即0到1之間的隨機(jī)數(shù)）來確定各個(gè)個(gè)體被選中的次數(shù)。

遺傳算法刺翹修慨均綴督勛啞綢梅壩紐焊廓言耽監(jiān)梳雄迢整娩裁忘哇冤芋隸澡慨禿第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法53②比例選擇算子遺傳算法刺翹修慨均綴督勛啞綢梅壩紐焊廓言耽監(jiān)梳③單點(diǎn)交叉算子單點(diǎn)交叉算子是最常用和最基本的交叉操作算子。單點(diǎn)交叉算子的具體執(zhí)行過程如下：對(duì)群體中的個(gè)體進(jìn)行兩兩隨機(jī)配對(duì)；對(duì)每一對(duì)相互配對(duì)的個(gè)體，隨機(jī)設(shè)置某一基因座之后的位置為交叉點(diǎn)；對(duì)每一對(duì)相互配對(duì)的個(gè)體，依設(shè)定的交叉概率在其交叉點(diǎn)處相互交換兩個(gè)個(gè)體的部分染色體，從而產(chǎn)生出兩個(gè)新個(gè)體。

遺傳算法此彈樁憐翹地譏鱉尊納鏡搔詞觀桅怪哆窯器孔咆碧站破癌銜染賊楔痹皂墾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法54③單點(diǎn)交叉算子遺傳算法此彈樁憐翹地譏鱉尊納鏡搔詞觀桅怪哆窯器④基本位變異算子基本位變異算子的具體執(zhí)行過程為：對(duì)個(gè)體的每一個(gè)基因座，依變異概率指定其為變異點(diǎn)；對(duì)每一個(gè)指定的變異點(diǎn)，對(duì)其基因值做取反運(yùn)算或用其他等位基因值來代替，從而產(chǎn)生出一個(gè)新的個(gè)體。遺傳算法怪擂貳害涅予侗挫繹揉葷竹忘趕語輸敢鼓遇羹唁粥蠟剔址施蜂雇戎緣翔豐第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法55④基本位變異算子遺傳算法怪擂貳害涅予侗挫繹揉葷竹忘趕語輸敢鼓⑶遺傳算法的應(yīng)用步驟遺傳算法提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架。對(duì)于具體問題，可按下述步驟來構(gòu)造：①確定決策變量及其各種約束條件，即確定出個(gè)體的表現(xiàn)型X和問題的解空間；②建立優(yōu)化模型，即描述出目標(biāo)函數(shù)的類型及其數(shù)學(xué)描述形式或量化方法；

遺傳算法槐戚真喳紹閻蝦臨褐泡墩盼昏慰剝輔嘔扛千潭戒輪輿肆到值敢佩掃靜腫哲第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法56⑶遺傳算法的應(yīng)用步驟遺傳算法槐戚真喳紹閻蝦臨褐泡墩盼昏慰剝③確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型X及遺傳算法的搜索空間；④確定解碼方法，即確定出由個(gè)體基因型X到個(gè)體表現(xiàn)型X的對(duì)應(yīng)關(guān)系或轉(zhuǎn)換方法；⑤確定個(gè)體適應(yīng)度的量化評(píng)價(jià)方法，即確定出由目標(biāo)函數(shù)值到個(gè)體適應(yīng)度的轉(zhuǎn)換規(guī)則；遺傳算法犁畢硬安揖際貸芹踩搞餅搖蕪茄桃烘晤淡沙饅魂決輔柔面叢糠仁櫻偷竅呂第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法57③確定表示可行解的染色體編碼方法，即確定出個(gè)體的基因型X及遺⑥設(shè)計(jì)遺傳算子，即確定出選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算子的具體操作方法；⑦確定遺傳算法的有關(guān)運(yùn)行參數(shù)，即確定出遺傳算法的等參數(shù)。遺傳算法滄撕刑醉止欄聲朽賓餅楞疽廣觀賂誡跡臆纜堯喂謙辛軒甫多攣粵府鮑該夸第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法58⑥設(shè)計(jì)遺傳算子，即確定出選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算攢召潮橫雹汞錘腆詠殼策鹼蔥攔艱嚇因繁來謠銜傷洪果漣各鑄曬極米微考第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法59攢召潮橫雹汞錘腆詠殼策鹼蔥攔艱嚇因繁來謠銜傷洪果漣各鑄曬極米5、免疫遺傳算法基于免疫的改進(jìn)遺傳算法，是免疫原理與傳統(tǒng)遺傳算法的結(jié)合。算法的核心在于免疫算子的構(gòu)造，而免疫算子又是通過接種疫苗和免疫選擇兩個(gè)步驟完成的。在理論上，免疫算法是概率1收斂的。遺傳算法革桓燦綿亮韶斌搶凰旬朋留郭壹袒昏戳谷謬賊擻泌睛股暖冀販瘟榔艾什織第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法605、免疫遺傳算法遺傳算法革桓燦綿亮韶斌搶凰旬朋留郭壹袒昏戳例子椒易廬隨何扛都犁饑召察弧敝拯袍曹樊濱即陜俯暢運(yùn)戶此潞端找鎮(zhèn)朋鎬篙第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法61例子椒易廬隨何扛都犁饑召察弧敝拯袍曹樊濱即陜俯暢運(yùn)戶此潞端找犁玻剮聯(lián)控利檀醋惑舀奠洛稈質(zhì)疏段鈾睡扛匈澳幼餅繡嘻強(qiáng)椰泌煥繡擰鱗第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法62犁玻剮聯(lián)控利檀醋惑舀奠洛稈質(zhì)疏段鈾睡扛匈澳幼餅繡嘻強(qiáng)椰泌煥繡瘤徹霹筏哺抽賊說碩蒜額設(shè)枝謠倆病展淡又諷臥黑變唐壽本兼綸瘓紀(jì)伯塞第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法63瘤徹霹筏哺抽賊說碩蒜額設(shè)枝謠倆病展淡又諷臥黑變唐壽本兼綸瘓紀(jì)閥演臥棘癟遮疲譚就匡辨舜醒易哄哇戰(zhàn)例應(yīng)色擊惶敘補(bǔ)千簇伍運(yùn)扣訊隨醫(yī)第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法64閥演臥棘癟遮疲譚就匡辨舜醒易哄哇戰(zhàn)例應(yīng)色擊惶敘補(bǔ)千簇伍運(yùn)扣訊唇使孺澆鴉騙碌葵侖撞券冶葵槍蓋烙昌拘馮蜀添甕鴿隘貴為蕪他廖愚膽成第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法65唇使孺澆鴉騙碌葵侖撞券冶葵槍蓋烙昌拘馮蜀添甕鴿隘貴為蕪他廖愚1、基本思想是對(duì)局部鄰域搜索的一種擴(kuò)展，是一種全局逐步尋優(yōu)算法。其最重要的思想是標(biāo)記對(duì)應(yīng)已搜索到的局部最優(yōu)解的一些對(duì)象，并在進(jìn)一步的迭代搜索中盡量避開這些對(duì)象（而不是絕對(duì)禁止循環(huán)），從而保證對(duì)不同的有效搜索途徑的探索。禁忌搜索算法(TabuSearch)豺冕莎壹霹漫寬瘧躺沃坐乞囚癌株感強(qiáng)葡圃夏弧胃翔召茵婪僚閥悔寵墮艱第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法661、基本思想禁忌搜索算法(TabuSearch)豺冕莎壹2、算法步驟(1)給定算法參數(shù)，隨機(jī)產(chǎn)生初始解x，置禁忌表為空。(2)判斷算法終止條件是否滿足？若是，則結(jié)束算法并輸出優(yōu)化結(jié)果；否則，繼續(xù)以下步驟。(3)利用當(dāng)前解x的鄰域函數(shù)產(chǎn)生其所有（或若干）鄰域解，并從中確定若干個(gè)候選解。(4)對(duì)候選解判斷藐視準(zhǔn)則是否滿足？若成立，則用滿足藐視準(zhǔn)則的最佳狀態(tài)y代替x成為新的當(dāng)前解，即x=y，并用與y對(duì)應(yīng)的禁忌對(duì)象替換最早進(jìn)入禁忌表的禁忌對(duì)象，同時(shí)用y替換“bestsofar”狀態(tài)，然后轉(zhuǎn)步驟2；否則，繼續(xù)以下步驟。

禁忌搜索算法(TabuSearch)旺括氦前誓狐箍籌漲脯軍吵滴耕壟褂塔念津筋垢釬創(chuàng)邀鷗焰懦跨擁臻演謄第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法672、算法步驟禁忌搜索算法(TabuSearch)旺括氦前(5)判斷候選解對(duì)應(yīng)的各對(duì)象的禁忌屬性，選擇候選解集合中非禁忌對(duì)象對(duì)應(yīng)的最佳狀態(tài)為新的當(dāng)前解，同時(shí)，用與之對(duì)應(yīng)的禁忌對(duì)象替換最早進(jìn)入禁忌表的禁忌對(duì)象元素。(6)轉(zhuǎn)步驟(2)#注：1)其中，鄰域函數(shù)、禁忌對(duì)象、禁忌表和藐視準(zhǔn)則構(gòu)成了禁忌搜索算法的關(guān)鍵。2)對(duì)于鄰域函數(shù)，沿用局部鄰域搜索的思想，用于實(shí)現(xiàn)鄰域搜索；

3)禁忌表和禁忌對(duì)象的設(shè)置，體現(xiàn)了算法避免迂回搜索的特點(diǎn)；

4)藐視準(zhǔn)則，則是對(duì)優(yōu)良狀態(tài)的獎(jiǎng)勵(lì)，它是對(duì)禁忌策略的一種放松。禁忌搜索算法(TabuSearch)舵環(huán)懈莽才蠅浚躇煞來肺姿情汁罩字批幽再痘舞石己攫疊地趕拎戊嗓濟(jì)敵第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法68(5)判斷候選解對(duì)應(yīng)的各對(duì)象的禁忌屬性，選擇候選解集合中1、基本原理(1)螞蟻覓食時(shí)，在它走過的路上，留下外激素，這些外激素就象留下路標(biāo)一樣，留給后來“蟻”一個(gè)路徑的標(biāo)志。(2)后面的螞蟻，就會(huì)沿著有外激素的路徑行走（外激素越多引誘螞蟻的能力就越強(qiáng)）。螞蟻算法亢巧點(diǎn)哎鈔率蓄犢廓柞療駿牡全脂酌券違索躺蜘魔炳養(yǎng)刪瘸靜楚佑曾櫥雛第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法691、基本原理螞蟻算法亢巧點(diǎn)哎鈔率蓄犢廓柞療駿牡全脂酌券違索2、算法(1)一群螞蟻隨機(jī)從出發(fā)點(diǎn)出發(fā)，遇到食物，銜住食物，沿原路返回(2)螞蟻在往返途中，在路上留下外激素標(biāo)志(3)外激素將隨時(shí)間逐漸蒸發(fā)（一般可用負(fù)指數(shù)函數(shù)來描述，即乘上因子e-at）(4)由蟻穴出發(fā)的螞蟻,其選擇路徑的概率與各路徑上的外激素濃度成正比注：利用同樣原理可以描述蟻群進(jìn)行多食物源的尋食情況螞蟻算法錠羞搏上樂卓泳把鋸蘿藐笆寵董伴漸仔喳凡矣虱響稿粗牌婆濾屢蹦墻昭密第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法702、算法螞蟻算法錠羞搏上樂卓泳把鋸蘿藐笆寵董伴漸仔喳凡矣虱3、算法應(yīng)用(1)用于重建通訊路由(2)用于求解TSP（流動(dòng)貨郎問題)

?一群螞蟻由A點(diǎn)同時(shí)出發(fā)，進(jìn)行漫游，傾向選較近的城市?把所有城市都游過后，返回，

并留下外激素，其量與路程長(zhǎng)度成反比?所有螞蟻都返回后，圖上留下外激素的標(biāo)志進(jìn)行第二輪的漫游（傾向選激素多的路徑）…螞蟻算法給鉸昆講癢置狀孤守融耕竊慚造欽鉗砂嗆跨段裁埔毛款搗陜澤攔屆貨狄嗆第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法713、算法應(yīng)用螞蟻算法給鉸昆講癢置狀孤守融耕竊慚造欽鉗砂嗆跨第三章搜索技術(shù)(3)螞蟻清除垃圾螞蟻能將巢里的垃圾或死螞蟻,打掃成幾大堆給以清除

?一群螞蟻隨機(jī)出發(fā),遇到垃圾,就將其拉走（方向也是隨機(jī)的）

?拉垃圾時(shí),若碰到某一堆垃圾時(shí),就放下

?放下垃圾后,再隨時(shí)機(jī)進(jìn)行打掃工作……巾填甥囑連起困闡穿事遠(yuǎn)洪慰罩鹿疽匣憤恐繁烘躁賈液涂悉葉驚迄辰捌簾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法72第三章搜索技術(shù)(3)螞蟻清除垃圾巾填甥囑連起困闡穿事神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)優(yōu)化算法撒煩搽儒操產(chǎn)直淡腋享泌辭媚霹拔皺康續(xù)勞驚菏抖滅辭端語擠閘翔提哼討第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法73神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)優(yōu)化算法撒煩搽儒操產(chǎn)直淡腋享泌辭媚霹拔皺康物流系統(tǒng)的智能優(yōu)化方法

誹贓刀缸餐拿辨休檢銘仆余翔敢深薦剪稚堂著綱梭河迄兔季恭勉品遺扳輾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法74物流系統(tǒng)的智能優(yōu)化方法誹贓刀缸餐拿辨休檢銘仆余翔敢深薦剪稚課程內(nèi)容

模擬退火算法、遺傳算法、禁忌搜索算法、神經(jīng)網(wǎng)絡(luò)與神經(jīng)網(wǎng)絡(luò)優(yōu)化算法課程目標(biāo)

了解智能優(yōu)化的模型結(jié)構(gòu)；理解模擬退火算法的收斂性條件； 掌握智能優(yōu)化的流程、操作、算法理論與技術(shù) 物流系統(tǒng)優(yōu)化的智能優(yōu)化方法為復(fù)雜物流管理決策問題提供了重要的可行性解決方案。鈍箔文猙楔往息攔飯蝦寧矢抗姨泌懇侍梯檬讀瑯寞接照洶瘋俞桶朱托耐鏈第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法75課程內(nèi)容鈍箔文猙楔往息攔飯蝦寧矢抗姨泌懇侍梯檬讀瑯寞接照洶瘋模擬退火算法(SimulatedAnnealing)1、基本思想(1)是基于MonteCarlo迭代求解策略的一種隨機(jī)尋優(yōu)算法，其出發(fā)點(diǎn)是基于物理中固體物質(zhì)的退火過程與一般組合優(yōu)化問題之間的相似性。(2)結(jié)合爬山法和隨機(jī)行走注：SA算法最早是由Metropolis等(1953)提出士奇鏡唐俞鈕餾轍含沃謙臘豁締吾奄唾鉗幻闡拖舟縮砌薛拉援鐘云掠腸剎第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法76模擬退火算法(SimulatedAnnealing)1、(3)模擬退火算法在某一初溫下，伴隨溫度參數(shù)的不斷下降，結(jié)合概率突跳特性在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，即在局部?jī)?yōu)解能概率性地跳出并最終趨于全局最優(yōu)解。模擬退火算法是一種通用的優(yōu)化算法，目前已在工程中得到了廣泛應(yīng)用。模擬退火算法(SimulatedAnnealing)樣揀奸覺察雪峨履溝秀恒素嗓劊匝余議午卿圈艘勃儉揩炸獲鍋原逛負(fù)盼籽第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法77(3)模擬退火算法在某一初溫下，伴隨溫度參數(shù)的不斷下降2、物理退火過程和Metropolis準(zhǔn)則簡(jiǎn)單而言，物理退火過程由以下三部分組成：⑴加溫過程。其目的是增強(qiáng)粒子的熱運(yùn)動(dòng)，使其偏離平衡位置。當(dāng)溫度足夠高時(shí)，固體將溶解為液體，從而消除系統(tǒng)原先可能存在的非均勻態(tài)，使隨后進(jìn)行的冷卻過程以某一平衡態(tài)為起點(diǎn)。溶解過程與系統(tǒng)的熵增過程聯(lián)系，系統(tǒng)能量也隨溫度的升高而增大。模擬退火算法(SimulatedAnnealing)債古頒弦辱扮少葷虱諸涪柳衍鳥昧諾乓棟繩炒婚刮員冪撂繞謀薦探排根焙第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法782、物理退火過程和Metropolis準(zhǔn)則模擬退火算法(S⑵等溫過程。物理學(xué)的知識(shí)告訴我們，對(duì)于與周圍環(huán)境交換熱量而溫度不變的封閉系統(tǒng)，系統(tǒng)狀態(tài)的自發(fā)變化總是朝自由能減少的方向進(jìn)行，當(dāng)自由能達(dá)到最小時(shí)，系統(tǒng)達(dá)到平衡態(tài)。⑶冷卻過程。目的是使粒子的熱運(yùn)動(dòng)減弱并漸趨有序，系統(tǒng)能量逐漸下降，從而得到低能的晶體結(jié)構(gòu)。模擬退火算法(SimulatedAnnealing)鴿斧蓮催辯潘嘻班凋潰彤寺父鋁零傲忘含峙縛菌鵑沈電惑估寧濃瘩穎疏咐第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法79⑵等溫過程。物理學(xué)的知識(shí)告訴我們，對(duì)于與周圍環(huán)境交換熱量而溫Metropolis等在1953年提出了重要性采樣法，即以概率接受新狀態(tài)。具體而言，在溫度t,由當(dāng)前狀態(tài)i產(chǎn)生新狀態(tài)j，兩者的能量分別為，若則接受新狀態(tài)j為當(dāng)前狀態(tài)；否則，若概率大于區(qū)間內(nèi)的隨機(jī)數(shù)則仍舊接受新狀態(tài)j為當(dāng)前狀態(tài)，若不成立則保留i為當(dāng)前狀態(tài)，其中k為Boltzmann常數(shù)。模擬退火算法(SimulatedAnnealing)筒屜梭嚏施贖削塘淬滄鑼宴簾豹盲壽廷彼堵睬斷嗜艱槐嫡產(chǎn)謄應(yīng)晉狙億痕第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法80Metropolis等在1953年提出了重要性采樣法，這種重要性采樣過程在高溫下可接受與當(dāng)前狀態(tài)能量差較大的新狀態(tài)，而在低溫下基本只接受與當(dāng)前能量差較小的新狀態(tài)，而且當(dāng)溫度趨于零時(shí)，就不能接受比當(dāng)前狀態(tài)能量高的新狀態(tài)。這種接受準(zhǔn)則通常稱為Metropolis準(zhǔn)則。模擬退火算法(SimulatedAnnealing)璃遍庸風(fēng)瘦利扒拎羽著咒營(yíng)蝶創(chuàng)壩普功追桃惑揪滬各鏟培傘煽攝幅滲餌維第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法81這種重要性采樣過程在高溫下可接受與當(dāng)前狀態(tài)能量差較大2、算法步驟標(biāo)準(zhǔn)模擬退火算法的一般步驟可描述如下：⑴給定初溫，隨機(jī)產(chǎn)生初始狀態(tài)，令；⑵Repeat:①Repeat產(chǎn)生新狀態(tài)；模擬退火算法(SimulatedAnnealing)綢鐵辣至譬七李擁員士釉增蘭茶勇膛票置帆穆碳琳錫宦踩褒忌褂枕努闖碌第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法822、算法步驟模擬退火算法(SimulatedAnnealUntil抽樣穩(wěn)定準(zhǔn)則滿足；②退溫，并令；Until算法終止準(zhǔn)則滿足；⑶輸出算法搜索結(jié)果。模擬退火算法(SimulatedAnnealing)頸掣已辦刪榮綽渡般送芥抄丈瑯破寡訓(xùn)墳嬰腦康燼雄霖詩(shī)辭凝榆雛蝗竄垢第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法83Until抽樣穩(wěn)定準(zhǔn)則滿足；模擬退火算法(Simulat3、算法關(guān)鍵參數(shù)和操作的設(shè)定從算法流程上看，模擬退火算法包括三函數(shù)兩準(zhǔn)則，即狀態(tài)產(chǎn)生函數(shù)、狀態(tài)接受函數(shù)、溫度更新函數(shù)、內(nèi)循環(huán)終止準(zhǔn)則和外循環(huán)終止準(zhǔn)則，這些環(huán)節(jié)的設(shè)計(jì)將決定SA算法的優(yōu)化性能。此外，初溫的選擇對(duì)SA算法性能也有很大影響。模擬退火算法(SimulatedAnnealing)勃熙噸披樊倡廓伎邦退伙榜秸鑷桐凌專鑿乙擴(kuò)漂嘎蚤過牲闌躁侄櫥期槽斧第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法843、算法關(guān)鍵參數(shù)和操作的設(shè)定模擬退火算法(Simulate⑴狀態(tài)產(chǎn)生函數(shù)設(shè)計(jì)狀態(tài)產(chǎn)生函數(shù)（鄰域函數(shù)）的出發(fā)點(diǎn)應(yīng)該是盡可能保證產(chǎn)生的候選解遍布全部的解空間。通常，狀態(tài)產(chǎn)生函數(shù)由兩部分組成，即產(chǎn)生候選解的方式和候選解產(chǎn)生的概率分布。模擬退火算法(SimulatedAnnealing)司稻焚巒寇蠅絨照窖洪拾殉瘁聲朱苞摘守腎嘯您雍責(zé)壬幀輝絞烈饅廢忠呢第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法85⑴狀態(tài)產(chǎn)生函數(shù)模擬退火算法(SimulatedAnneal⑵狀態(tài)接受函數(shù)狀態(tài)接受函數(shù)一般以概率的方式給出，不同接受函數(shù)的差別主要在于接受概率的形式不同。設(shè)計(jì)狀態(tài)接受概率，應(yīng)該遵循以下原則：①在固定溫度下，接受使目標(biāo)函數(shù)值下降的候選解的概率要大于使目標(biāo)值上升的候選解的概率；模擬退火算法(SimulatedAnnealing)灑費(fèi)琢勻潭轟蛔緩吵貯耐認(rèn)虱淬探滁良數(shù)施鄰丑熏峰劊滲黎樸鈔尖因勾糖第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法86⑵狀態(tài)接受函數(shù)模擬退火算法(SimulatedAnneal②隨溫度的下降，接受使目標(biāo)函數(shù)值上升的解的概率要逐漸減??；③當(dāng)溫度趨于零時(shí)，只能接受目標(biāo)函數(shù)值下降的解。狀態(tài)接受函數(shù)的引入是SA算法實(shí)現(xiàn)全局搜索的最關(guān)鍵的因素，SA算法中通常采用min[1,exp(-△C/t)]作為狀態(tài)接受函數(shù)。模擬退火算法(SimulatedAnnealing)導(dǎo)湖約叁蚊虞晌踐傭碴泳麗稈墅怪倔渡拄賂卓忌撞墑念虧注調(diào)娘勇掀奢緯第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法87②隨溫度的下降，接受使目標(biāo)函數(shù)值上升的解的概率要逐漸減?。荒＂浅鯗爻跏紲囟?、溫度更新函數(shù)、內(nèi)循環(huán)終止準(zhǔn)則和外循環(huán)終止準(zhǔn)則通常被稱為退火歷程(annealingschedule)。實(shí)驗(yàn)表明，初溫越大，獲得高質(zhì)量解的幾率越大，但花費(fèi)的計(jì)算時(shí)間將增加。因此，初溫的確定應(yīng)折衷考慮優(yōu)化質(zhì)量和優(yōu)化效率，常用方法包括：模擬退火算法(SimulatedAnnealing)注麓納蜜轟濾嫉洪梆薔橇透原藹倫銻熟奮紙賤諒紊摟霓嘗筷彩容壞荒瑯多第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法88⑶初溫模擬退火算法(SimulatedAnnealing)①均勻抽樣一組狀態(tài)，以各狀態(tài)目標(biāo)值的方差為初溫。②隨機(jī)產(chǎn)生一組狀態(tài)，確定兩兩狀態(tài)間的最大目標(biāo)值差，然后依據(jù)差值，利用一定的函數(shù)確定初溫。譬如，其中為初始接受概率。③利用經(jīng)驗(yàn)公式給出。模擬退火算法(SimulatedAnnealing)祖涎敗袖跑傭墻酗攘八幅煞吩界傍扭俯吝弧傷膏喝排昌撈圍褲忙對(duì)酵滬藤第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法89①均勻抽樣一組狀態(tài)，以各狀態(tài)目標(biāo)值的方差為初溫。模擬退火算法⑷溫度更新函數(shù)溫度更新函數(shù)，即溫度的下降方式，用于在外循環(huán)中修改溫度值。目前，最常用的溫度更新函數(shù)為指數(shù)退溫函數(shù)，即，其中且其大小可以不斷變化。模擬退火算法(SimulatedAnnealing)答畢噎欺陶掛舜遂寐接端氏饒逆石懂洲箋菊椿援絹滿菌乙左桶賃芬游軟照第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法90⑷溫度更新函數(shù)模擬退火算法(SimulatedAnneal⑸內(nèi)循環(huán)終止準(zhǔn)則內(nèi)循環(huán)終止準(zhǔn)則，或稱Metropolis抽樣穩(wěn)定準(zhǔn)則，用于決定在各溫度下產(chǎn)生候選解的數(shù)目。在非時(shí)齊SA算法理論中，由于在每個(gè)溫度下只產(chǎn)生一個(gè)或少量候選解，所以不存在選擇內(nèi)循環(huán)終止準(zhǔn)則的問題。

模擬退火算法(SimulatedAnnealing)開皮育柳工?；I鞭爸贏抖離皋娘受施馮亮靠斌腸蒜牌屏梅婁偵堪碎懈淪黑第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法91⑸內(nèi)循環(huán)終止準(zhǔn)則模擬退火算法(SimulatedAnnea而在時(shí)齊SA算法理論中，收斂條件要求在每個(gè)溫度下產(chǎn)生候選解的數(shù)目趨于無窮大，以使相應(yīng)的馬氏鏈達(dá)到平穩(wěn)概率分布，顯然在實(shí)際應(yīng)用算法時(shí)這是無法實(shí)現(xiàn)的。常用的抽樣準(zhǔn)則包括：①檢驗(yàn)?zāi)繕?biāo)函數(shù)的均值是否穩(wěn)定；②連續(xù)若干步的目標(biāo)值變化較小；③按一定的步數(shù)抽樣。

模擬退火算法(SimulatedAnnealing)駒呀棱橫寧搏陪喉嘲繳囤蹬籃授攆牢楔箭聘針蛛霹位升寧都侯媽朗原鞭朵第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法92而在時(shí)齊SA算法理論中，收斂條件要求在每個(gè)溫度下產(chǎn)生候選⑹外循環(huán)終止準(zhǔn)則外循環(huán)終止準(zhǔn)則，即算法終止準(zhǔn)則，用于決定算法何時(shí)結(jié)束。設(shè)置溫度終值是一種簡(jiǎn)單的方法。SA算法的收斂性理論中要求溫度終值趨于零，這顯然不合實(shí)際。通常的做法是：

①設(shè)置終止溫度的閾值；②設(shè)置外循環(huán)迭代次數(shù)；③算法搜索到的最優(yōu)值連續(xù)若干步保持不變；

④檢驗(yàn)系統(tǒng)熵是否穩(wěn)定。模擬退火算法(SimulatedAnnealing)侵妓炕桂剛旅渤澀蛇逞尸過芍黔卷慰阮靜職欠徒熾鯨舜噓妹妻蔡嬌楊態(tài)悶第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法93⑹外循環(huán)終止準(zhǔn)則模擬退火算法(SimulatedAnnea小結(jié)由于算法的一些環(huán)節(jié)無法在實(shí)際設(shè)計(jì)算法時(shí)實(shí)現(xiàn)，因此SA算法往往得不到全局最優(yōu)解，或算法結(jié)果存在波動(dòng)性。目前，SA算法參數(shù)的選擇仍依賴于一些啟發(fā)式準(zhǔn)則和待求問題的性質(zhì)。SA算法的通用性很強(qiáng)，算法易于實(shí)現(xiàn)，但要真正取得質(zhì)量和可靠性高、初值魯棒性好的效果，克服計(jì)算時(shí)間較長(zhǎng)、效果較低的缺點(diǎn)，并適用于規(guī)模較大的問題，尚需進(jìn)行大量的研究工作。危鉑遺圃游潮紀(jì)斂邏旬鎂試詐此敏厄兼敖緬懶味的當(dāng)烯敏崖萍趟疽逢滑病第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法94小結(jié)由于算法的一些環(huán)節(jié)無法在實(shí)際設(shè)計(jì)算法時(shí)實(shí)現(xiàn)，因此SA算法1、基本概念模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的一種自適應(yīng)全局優(yōu)化概率搜索算法。遺傳算法襲胃閹鍛豺瘟幣稍頤街腳嘻析演介跑朽源絞玖散會(huì)愉理嘶綻削城倦螟刃導(dǎo)第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法951、基本概念遺傳算法襲胃閹鍛豺瘟幣稍頤街腳嘻析演介跑朽源絞玖2、基本思想對(duì)于一個(gè)求函數(shù)最大值的優(yōu)化問題，一般可描述為下述數(shù)學(xué)規(guī)劃模型：

遺傳算法江琶熱干褒戰(zhàn)敞播茫咋汛氧竅延質(zhì)同印劇伐富慚屆族技躺霖屁盧卉維青輪第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法962、基本思想遺傳算法江琶熱干褒戰(zhàn)敞播茫咋汛氧竅延質(zhì)同印劇伐富式中，為決策變量，f(X)為目標(biāo)函數(shù)，U是基本空間，R是U的一個(gè)子集。遺傳算法中，將n維決策向量用n個(gè)記號(hào)所組成的符號(hào)串X來表示：遺傳算法侯擴(kuò)嘆沂羞準(zhǔn)櫻灶吩幸篆祈歐掄花唐茶漂徑魄渠昔朝構(gòu)貼眨淫偏嘿莆醫(yī)舵第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法97式中，為決策變把每一個(gè)看作一個(gè)遺傳基因，它的所有可能取值稱為等位基因，這樣，X就可看作是由n個(gè)遺傳基因所組成的一個(gè)染色體。染色體的長(zhǎng)度可以是固定的，也可以是變化的。等位基因可以是一組整數(shù)，也可以是某一范圍內(nèi)的實(shí)數(shù)值，或者是記號(hào)。最簡(jiǎn)單的等位基因是由0和1這兩個(gè)整數(shù)組成的，相應(yīng)的染色體就可表示為一個(gè)二進(jìn)制符號(hào)串。遺傳算法腫韓瞄銘著幀距棠撞牙掂奴肥隅施蘋眩孕袁囂慢筆滓拓硬眠溜墻碑預(yù)渝霍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法98把每一個(gè)看作一個(gè)遺傳基因，它的所有可能取值這種編碼所形成的排列形式X是個(gè)體的基因型，與它對(duì)應(yīng)的X值是個(gè)體的表現(xiàn)型。染色體X也稱為個(gè)體X，對(duì)于每一個(gè)個(gè)體X，要按照一定的規(guī)則確定出其適應(yīng)度。個(gè)體的適應(yīng)度與其對(duì)應(yīng)的個(gè)體表現(xiàn)型X的目標(biāo)函數(shù)值相關(guān)聯(lián)，X越接近于目標(biāo)函數(shù)的最優(yōu)點(diǎn)，其適應(yīng)度越大；反之，其適應(yīng)度越小。遺傳算法亦讀未買麗野泉弟探椅若瑤鱗媽歌叉睡薔科堰騰河稚鎖盎階翼畸馴原彎獸第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法99這種編碼所形成的排列形式X是個(gè)體的基因型，與它對(duì)應(yīng)的遺傳算法中，決策變量X組成了問題的解空間。對(duì)問題最優(yōu)解的搜索是通過對(duì)染色體X的搜索過程來進(jìn)行的，從而由所有的染色體X就組成了問題的搜索空間。 生物的進(jìn)化是以集團(tuán)為主體的。與此相對(duì)應(yīng)，遺傳算法的運(yùn)算對(duì)象是由M個(gè)個(gè)體所組成的集合，稱為群體。遺傳算法噎綠捻壕魯犧杉雹沼網(wǎng)鐐芋役麓免政召孫執(zhí)萊雹催奔皆吊反皺改賀酋漸殃第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法100遺傳算法中，決策變量X組成了問題的解空間 與生物一代一代的自然進(jìn)化過程相似，遺傳算法的運(yùn)算過程也是一個(gè)反復(fù)迭代過程，第t代群體記做P(t),經(jīng)過一代遺傳和進(jìn)化后，得到第t+1代群體，它們也是由多個(gè)個(gè)體組成的集合，記做P(t+1)。這個(gè)群體不斷地經(jīng)過遺傳和進(jìn)化操作，并且每次都按照優(yōu)勝劣汰的規(guī)則將適應(yīng)度較高的個(gè)體更多地遺傳到下一代，這樣最終在群體中將會(huì)得到一個(gè)優(yōu)良的個(gè)體X，它所對(duì)應(yīng)的表現(xiàn)型X將達(dá)到或接近于問題的最優(yōu)解。遺傳算法洪堡瘸叉叢勻鏡炎擊藏緬鋇拷鍬妊引房亢辜爭(zhēng)煙成鴦挨微熱椎揮惋式肉促第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法101 與生物一代一代的自然進(jìn)化過程相似，遺傳算法的運(yùn)算過程也是 生物的進(jìn)化過程主要是通過染色體之間的交叉和染色體的變異來完成的。遺傳算法中最優(yōu)解的搜索過程也模仿生物的這個(gè)進(jìn)化過程，使用所謂的遺傳算子(geneticoperators)作用于群體P(t)中，進(jìn)行下述遺傳操作，從而得到新一代群體P(t+1)。遺傳算法索工兄健撰韋少恐輝榮隕苞癟徘奢江轎枉泣覆授硫路贏倆哀騁斯院作兵糾第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法102 生物的進(jìn)化過程主要是通過染色體之間的交叉和染色體的變異來選擇(selection):根據(jù)各個(gè)個(gè)體的適應(yīng)度，按照一定的規(guī)則或方法，從第t代群體P(t)中選擇出一些優(yōu)良的個(gè)體遺傳到下一代群體P(t+1)中。交叉(crossover):將群體P(t)內(nèi)的各個(gè)個(gè)體隨機(jī)搭配成對(duì)，對(duì)每一個(gè)個(gè)體，以某個(gè)概率(稱為交叉概率，crossoverrate)交換它們之間的部分染色體。

遺傳算法羨攤姨捉餃戰(zhàn)篆渺峙鐘曬表形敖錐舵公綢沛積翅襪橋洪喜拜誅桃囚灸騾姜第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法103選擇(selection):根據(jù)各個(gè)個(gè)體的適應(yīng)度，按照一定的變異(mutation):對(duì)群體P(t)中的每一個(gè)個(gè)體，以某一概率(稱為變異概率，mutationrate)改變某一個(gè)或一些基因座上基因值為其它的等位基因。遺傳算法撼攙槽旱袋龍琶蓋付攆剮紋澇恨曠鈉杰榔寂貪噪毗跨狀戍抖酚溢拎醚沮汛第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法104變異(mutation):對(duì)群體P(t)中的每一個(gè)個(gè)體，以某3、特點(diǎn) 遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化計(jì)算的魯棒搜索算法，與其他一些優(yōu)化算法相比，主要有下述幾個(gè)特點(diǎn)：遺傳算法以決策變量的編碼作為運(yùn)算對(duì)象。傳統(tǒng)的優(yōu)化算法往往直接利用決策變量的實(shí)際值本身進(jìn)行優(yōu)化計(jì)算，但遺傳算法不是直接以決策變量的值，而是以決策變量的某種形式的編碼為運(yùn)算對(duì)象，從而可以很方便地引入和應(yīng)用遺傳操作算子。

遺傳算法樓撒疹愁睦郵卒綜匹茲突諷蕪洲猿薪摯帕旦猴牙舔噬相薯志贍鹵譯禱沂躍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法1053、特點(diǎn)遺傳算法樓撒疹愁睦郵卒綜匹茲突諷蕪洲猿薪摯帕旦猴牙遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息。傳統(tǒng)的優(yōu)化算法往往不只需要目標(biāo)函數(shù)值，還需要目標(biāo)函數(shù)的導(dǎo)數(shù)等其它信息。這樣對(duì)許多目標(biāo)函數(shù)無法求導(dǎo)或很難求導(dǎo)的函數(shù)，遺傳算法就比較方便。遺傳算法淖羅罐耐委繞評(píng)犢蛹磚剮首頤昧政制榔建脂粒嘉磐熄妊深孔罵常賊像棟抨第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法106遺傳算法直接以目標(biāo)函數(shù)值作為搜索信息。傳統(tǒng)的優(yōu)化算法往往不只遺傳算法同時(shí)進(jìn)行解空間的多點(diǎn)搜索。傳統(tǒng)的優(yōu)化算法往往從解空間的一個(gè)初始點(diǎn)開始搜索，這樣容易陷入局部極值點(diǎn)。遺傳算法進(jìn)行群體搜索，而且在搜索的過程中引入遺傳運(yùn)算，使群體又可以不斷進(jìn)化。這些是遺傳算法所特有的一種隱含并行性。

遺傳算法煩直拽捐漾鄉(xiāng)殖虛吸態(tài)橋召伎錠截噎晝蛔瓷胖螺脫笨層常潮慮馮耗亦約涼第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法107遺傳算法同時(shí)進(jìn)行解空間的多點(diǎn)搜索。傳統(tǒng)的優(yōu)化算法往往從解空間遺傳算法使用概率搜索技術(shù)。遺傳算法屬于一種自適應(yīng)概率搜索技術(shù)，其選擇、交叉、變異等運(yùn)算都是以一種概率的方式來進(jìn)行的，從而增加了其搜索過程的靈活性。實(shí)踐和理論都已證明了在一定條件下遺傳算法總是以概率1收斂于問題的最優(yōu)解。

遺傳算法侈系擁柿鐮豎嗜掐禾準(zhǔn)免嗽菩煎豈拾竿聊棚序劇涂頭雕序朗棘聞錐逝贈(zèng)嗚第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法108遺傳算法使用概率搜索技術(shù)。遺傳算法屬于一種自適應(yīng)概率搜索技3、應(yīng)用遺傳算法提供了一種求解復(fù)雜系統(tǒng)優(yōu)化問題的通用框架，它不依賴于問題的具體領(lǐng)域，對(duì)問題的種類有很強(qiáng)的魯棒性，所以廣泛應(yīng)用于很多學(xué)科。下面列舉一些遺傳算法的主要應(yīng)用領(lǐng)域。遺傳算法灤筒妝律尸晝致鋅刻浙煉藥胎蘭啡智賺遜銘億例喜盯鱗晾八唉搗獸蠻習(xí)狗第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法1093、應(yīng)用遺傳算法灤筒妝律尸晝致鋅刻浙煉藥胎蘭啡智賺遜銘億例組合優(yōu)化：遺傳算法是尋求組合優(yōu)化問題滿意解的最佳工具之一，實(shí)踐證明，遺傳算法對(duì)于組合優(yōu)化問題中的NP完全問題非常有效。遺傳算法對(duì)物鬧猩薔繼吝糟汝茵老虧字丘螟蟹陀佰關(guān)瘩呢毅吾淆丸饑磺燕叼氧坐轍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法110組合優(yōu)化：遺傳算法是尋求組合優(yōu)化問題滿意解的最佳工具之一，實(shí)生產(chǎn)調(diào)度問題：生產(chǎn)調(diào)度問題在很多情況下所建立起來的數(shù)學(xué)模型難以精確求解，即使經(jīng)過一些簡(jiǎn)化之后可以進(jìn)行求解也會(huì)因簡(jiǎn)化得太多而使求解結(jié)果與實(shí)際相差太遠(yuǎn)?，F(xiàn)在遺傳算法已經(jīng)成為解決復(fù)雜調(diào)度問題的有效工具。遺傳算法忙亡式攏省巾赦督匈村軟綻湯屢偷右紗搞拄繳患炯嘗彼嗽撐業(yè)編雌婦學(xué)皇第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法111生產(chǎn)調(diào)度問題：生產(chǎn)調(diào)度問題在很多情況下所建立起來的數(shù)學(xué)模型難自動(dòng)控制：遺傳算法已經(jīng)在自動(dòng)控制領(lǐng)域中得到了很好的應(yīng)用，例如基于遺傳算法的模糊控制器的優(yōu)化設(shè)計(jì)、基于遺傳算法的參數(shù)辨識(shí)、基于遺傳算法的模糊控制規(guī)則的學(xué)習(xí)、利用遺傳算法進(jìn)行人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計(jì)和權(quán)值學(xué)習(xí)等。遺傳算法惦度盟謹(jǐn)橫輛螺橫虎舜迪噬隊(duì)欽恕嵌蚌痘眼錐釩闖襄柑敵絆晶架電郭譯構(gòu)第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法112自動(dòng)控制：遺傳算法已經(jīng)在自動(dòng)控制領(lǐng)域中得到了很好的應(yīng)用，例如機(jī)器人學(xué)：機(jī)器人是一類復(fù)雜的難以精確建模的人工系統(tǒng)，而遺傳算法的起源就來自于對(duì)人工自適應(yīng)系統(tǒng)的研究，所以機(jī)器人學(xué)自然成為遺傳算法的一個(gè)重要應(yīng)用領(lǐng)域。遺傳算法炒輝名堰彼包刻墑漿辣詛淫扔旦郡殼震醋吝妝事西怖亨錯(cuò)孺喀患玖爭(zhēng)戌弧第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法113機(jī)器人學(xué)：機(jī)器人是一類復(fù)雜的難以精確建模的人工系統(tǒng)，而遺傳算圖象處理：圖像處理是計(jì)算機(jī)視覺中的一個(gè)重要研究領(lǐng)域。在圖像處理過程中，如掃描、特征提取、圖像分割等不可避免地存在一些誤差，這些誤差會(huì)影響圖像處理的效果。如何使這些誤差最小是使計(jì)算機(jī)視覺達(dá)到實(shí)用化的重要要求，遺傳算法在這些圖像處理中的優(yōu)化計(jì)算方面得到了很好的應(yīng)用。

遺傳算法遲庇晶斑刀能謗庸煌子凜彬祈龔踏決查淹諱激軒券泡磺籮柿五剖票鐘癢知第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法114圖象處理：圖像處理是計(jì)算機(jī)視覺中的一個(gè)重要研究領(lǐng)域。在圖像處人工生命：人工生命是用計(jì)算機(jī)、機(jī)械等人工媒體模擬或構(gòu)造出的具有自然生物系統(tǒng)特有行為的人造系統(tǒng)。。自組織能力和自學(xué)習(xí)能力是人工生命的兩大重要特征。人工生命與遺傳算法有著密切的關(guān)系，基于遺傳算法的進(jìn)化模型是研究人工生命現(xiàn)象的重要理論基礎(chǔ)。遺傳算法億欠城終耳撾斌進(jìn)彭齲竣悼鈣蠅侮隔淄圾菠姬太諷吱酷眩埃鑒甜賂扁娘夏第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法115人工生命：人工生命是用計(jì)算機(jī)、機(jī)械等人工媒體模擬或構(gòu)造出的具機(jī)器學(xué)習(xí)：基于遺傳算法的機(jī)器學(xué)習(xí)，在很多領(lǐng)域中都得到了應(yīng)用。例如基于遺傳算法的機(jī)器學(xué)習(xí)可用來調(diào)整人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)，也可以用于人工神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計(jì)。遺傳算法萬糜瞧蟻迷己芽粳按誨偽鉛鮮馬佰企柬搏球呈堆盆人隘喻私僻戎皇委咋皿第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法116機(jī)器學(xué)習(xí)：基于遺傳算法的機(jī)器學(xué)習(xí)，在很多領(lǐng)域中都得到了應(yīng)用。4、基本遺傳算法基本遺傳算法（SimpleGeneticAlgorithms,簡(jiǎn)稱SGA）是一種統(tǒng)一的最基本的遺傳算法，它只使用選擇、交叉、變異這三種基本遺傳算子，其遺傳進(jìn)化操作過程簡(jiǎn)單，容易理解，是其他一些遺傳算法的雛形和基礎(chǔ)，它不僅給各種遺傳算法提供了一個(gè)基本框架，同時(shí)也具有一定的應(yīng)用價(jià)值。遺傳算法濁癥狗怒達(dá)聘深晾兩淵怨擠感旬殆莫鞭尾摸贊空蜂寐運(yùn)灼謄燈皺翠戌瑯鞍第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法1174、基本遺傳算法遺傳算法濁癥狗怒達(dá)聘深晾兩淵怨擠感旬殆莫鞭⑴

基本遺傳算法的構(gòu)成要素①染色體編碼方法?；具z傳算法使用固定長(zhǎng)度的二進(jìn)制符號(hào)串來表示群體中的個(gè)體，其等位基因是由二值符號(hào)集{0，1}所組成的。初始群體中各個(gè)個(gè)體的基因值可用均勻分布的隨機(jī)數(shù)來生成。

遺傳算法教羹補(bǔ)咽籃嗣操婉悄垛貴舟踏查動(dòng)埂?？さ迩还蛱厥凶鲠敼抠~覓虎乏焊第五章物流系統(tǒng)的智能優(yōu)化方法第五章物流系統(tǒng)的智能優(yōu)化方法118⑴

基本遺傳算法的構(gòu)成要素遺傳算法教羹補(bǔ)咽籃嗣操婉悄垛貴②個(gè)體適應(yīng)度評(píng)價(jià)?；具z傳算法按與個(gè)體適應(yīng)度成正比的概率來決定當(dāng)前群體中每個(gè)個(gè)體遺傳到下一代群體中的機(jī)會(huì)多少。為正確計(jì)算這個(gè)概率，這里要求所有個(gè)體的適應(yīng)度必須為正數(shù)或零。③遺傳算子。基本遺傳算法使用下述三種遺傳算子：選擇運(yùn)算使用比例選擇算子，交叉運(yùn)算使用單點(diǎn)交叉算子，變異運(yùn)算使用基本位變異算子或均勻變異算子。遺傳算法扁靴搞梯稚殆瑟