技術特征：

1.一種基于快速匹配機制面向復雜計算的改進遺傳方法，其特征在于，所述基于快速匹配機制面向復雜計算的改進遺傳方法包括以下步驟：

首先基于反學向學習理論生成初始種群，并對染色體的特征進行提取，主要包括個體編碼、適應度值、個體的置信度值；

然后通過特征提取得到一個三維的特征向量，在種群進化過程中，使用建立的相似性匹配評價機制對每個染色體的適應度值和置信度值進行計算，通過單形變異算子對每個染體作單形變異操作；

最后在進化到后期階段，根據(jù)設定的停止條件生成最優(yōu)解或近似最優(yōu)解。

2.根據(jù)權利要求1所述的基于快速匹配機制面向復雜計算的改進遺傳方法，其特征在于，

首先基于反學向學習理論生成初始種群，并對染色體的特征進行提取，按以下步驟進行：

首先生成半個初始種群，種群中的每個個體表示為:c_i=(c_i1,c_i2,...,c_id)

在d維空間按反向數(shù)生成方法,得到每個個體的反向點r_i，即，若且,，則其反方向數(shù)x*為:x*=a+b-x；

對每個染色體構建其對應的特征向量v(c_i)=(a,f,r)；

生成初始化種群結束。

3.根據(jù)權利要求1所述的基于快速匹配機制面向復雜計算的改進遺傳方法，其特征在于，

通過特征提取得到一個三維的特征向量，在種群進化過程中，使用建立的相似性匹配評價機制對每個染色體的適應度值和可信度值進行計算，按以下步驟進行：

Step1，通過反向學習理論得到初始種群，將初始種群作為新一代種群；

Step2，從新一代種群中隨機挑選兩個個體p₁,p₂；

Step3，個體p₁,p₂進行交叉操作，得到兩個子代個體c₁,c₂；

Step4，對子代個體c₁,c₂按單形變異操作實施變異過程；

Step5，子個體變異后得到對應的變異個體；

Step6，對算法的停止條件進行判斷，若算法的迭達次數(shù)達到指定次數(shù)T或解的精度滿足指定的要求，則轉Step11； 否則，轉到Step7；

Step7，對子代個體c₁, 分別比較其與父代個體p₁,p₂的匹配性；

Step8，按照公式(3)和(4)分別計算個體c₁的適應度值和置信度值r；

Step9， 比較個體的置信度r和閾值T，若r < T，轉Step10； 否則轉Step2；

Step10，重新使用真實的適應度函數(shù)評價個體c₁的適應度值，并使置信度值r=1;轉Step2；

Step11， 輸出最終的結果。

4.根據(jù)權利要求1所述的基于快速匹配機制面向復雜計算的改進遺傳方法，其特征在于，所述染色體的特征提取采用二進制字符串編碼形式；在串匹配機制中，首先給染色體中每一基因位設定對應的權重系數(shù)，從而區(qū)分不同位置基因位對適應度的影響程度；其次，將子代染色體與父代染色體進行兩兩匹配驗證，分別得到一個匹配值，驗證兩個配值是否在合理相似區(qū)間內(nèi)，得到一個置信度；最后，由置信度并結合兩個染色體的適應度值得到子代染色體的值。

5.根據(jù)權利要求1所述的基于快速匹配機制面向復雜計算的改進遺傳方法，其特征在于，所述染色體的匹配機制實現(xiàn)方法如下：

（1）根據(jù)GA中特定交叉與單形變異算子的運算結果，分別計算子個體與雙親個體之間的匹配性，并根據(jù)給定公式快速計算染色體的適應度及其置信度；

個體與雙親和間的差異程度，按公式系數(shù)差分方法計算：

,

；

其中，權重系數(shù)w_i用于調(diào)節(jié)對應每個基因位在染個體中受重視的程度，n是基因位的個數(shù);子個體c₁和雙親個體(p₁, p₂)的差分值一個介于0至1之間的數(shù)字，子個體與雙親個體的匹配性按如下公式計算：

；

；

雙親染色體(p₁, p₂)對應的適應度值分別是f₁，f₂ ，則染個體c_i適應度f(c_i）和其對應的置信度按如下式計算：

；

；

（2）在種群中設定閾值T，當種群的平均置信度的高于T時，保留每一個體的適應度值和置信度；若種群的小于T時，則在真實環(huán)境中使用目標函數(shù)重新評價個體的適應度；

（3）將一個染色體的基因串按順序形成歐氏空間中的一個單形，單形向空間各方向按比例擴張，然后再順時針方向旋轉，在設定的時刻到達后，按原方向反向取出變異后的個體。

6.一種應用權利要求1-5任意一項所述基于快速匹配機制面向復雜計算的改進遺傳方法的資本預算方法。

7.一種應用權利要求1-5任意一項所述基于快速匹配機制面向復雜計算的改進遺傳方法的貨物裝載方法。

8.一種應用權利要求1-5任意一項所述基于快速匹配機制面向復雜計算的改進遺傳方法的存儲分配方法。