优化算法

随机搜索：利用随机数，随机选择组合，新解优于之前则结果进行替换。

爬山算法：1，创建一个随机解；

                 2，获取周围临近解；

                 3，新解优于之前解，则进行替换，重复2过程；

                 4，如果周围没有更优解则结束。

模拟退火算法：1，创建一个随机解；

                        2，创建一个随机跳跃值及跳跃方向；

                        3，新解优于之前则替换，或者新解比之前要差，但是公式P值足够大，也进行替换（可能下次可以找到更优的                             解）：

                       

                       其中，newcost为新解，nowcost为之前的解，T为初始温度，一般初始值需要足够大。

                       4，如果有进行降温计算，则需要更新T值：T=r*T，r为设定的降温率(取值在0-1之间)，r约接近1，则降温慢，找 到最优解的概率高，但花费时间长。

                       5，单T值小于开始设定的的大小后，算法结束。

遗传算法：1，设定种群大小(popSize)，变异及交叉概率(mutprob)，进入下次迭代的最优解个数(eliteSize)，运行次数(count)；

                 2，创建随机解群为初始种群；

                 3，根据eliteSize大小直接进入下轮，剩余的进行变异及交叉概率进行求解；

                 4，变异：随机改变输入参数中一个值。交叉：两个解中部分参数进行替换：

                  变异，输入in2的参数进行了改变：

             

                交叉：

                

              5，第3步获取的解及第4步的交叉、变异获取的解作为下个种群，继续进行计算，直到运行次数结束，获取最优解。