模拟退火遗传算法遗传算法的主要过程为：选择、交叉、变异、筛选最好基因。而模拟退火算法是在交叉阶段和变异阶 段插入到遗传算法中的。 交叉将种群中的个体按照随机的方法进行两两配对， 并在交叉概率内对两个个体的任一基因片段进行两 两交叉操作（实验中的交叉概率为0.8）。对于交叉 之后产生的两个个体基因的适应度进行重新评估， 并将新个体的适应度与父本个体的适应度进行比较 ，以按照模拟退火模型以一定的概率接受适应度较 差的个体作为下一代的新个体。模拟退火遗传算法 变异以一定的概率（实验中的变异概率为0.2）对染 色体中的基因进行变异，变异的方法采取的是郭涛 算子进行倒序变异。对于变异后产生的新个体，我 们需要对其重新进行适应度的评估，对于适应度提 高的新个体，直接纳入下一代，而对于适应度下降 的新个体，我们使用模拟退火模型一定概率接受适 应度差的个体，这样很好地减少了陷入局部适应度 最优的可能性。倒序变异的基本原理为：随机选择 两个基因位，将这两个基因为之间的所有基因序列 的顺序颠倒。模拟退火遗传算法 精英保留以为了保证每一代最好的基因在种群的繁衍中能 够一直保持下去，我们需要在每一代的交叉、变异 操作之后对整个种群的所有的基因进行一次筛选， 找出这一代适应度最高的进行，直接遗传入下一 代。在本实验的串行程序实现中，我们采取的是对 种群中的所有个体进行一次遍历，直接找出最好的 基因，但当种群中的个体数量较大时，这个操作将 会成为整个串行程序性能提升的一个瓶颈。在后面 的并行算法实现中，我们利用系统的并行性很好地 解决了这一问题。