昨天（2008.3.7）在笑林寺的帮助下见到了SCAU信息学院主讲人工智能的姚金涛老师，我提了一些遗传算法相关的问题，姚老师给了我很多建议，也纠正了我的一些错误的观念，让我获益良多。在此十分感谢笑林寺（潘汝欣）同学。
我首先就关于遗传算法的参数设置能否简化提了个问题。姚老师说可以使用自适应的遗传算法。自适应的遗传算法可以根据每一代的进化结果，动态调整交叉率，变异率，通过这样来调整搜索压力，搜索方向。
而关于遗传算法全局搜索和收敛的问题。姚老师说，遗传算法的全局搜索能力并不强，可以结合一下模拟退火算法（SA）。遗传算法很容易陷入局部最优跳不出来，而模拟退火算法在理论上是100％得到全局最优的，当然搜索的代价也是蛮高的。
另为他还纠正了我一个认识上的错误。我一直以为遗传算法收敛，就是进化到指定的世代数。姚老师说所谓的“遗传算法收敛”是进化到所有个体都一样。在《智能优化方法》（高等教育出版社）中遗传算法相关部分提到：“遗传算法的停止准则一般采用设定最大代数的方法”（P28），但之后的“改进与变形”一节中的停止准则又有“F（平均）/F（max）接近1”，“|F（max）－F（平均）|<e”一说。它说明，用最大代数作为停止准则虽然简单，但不准确。我想这是由于遗传算法有一定的随机性吧。书上说应该用种群适应度的一致性来判断。
还有的就是如果不是多台机器，使用并行技术没有多大用处的。而且遗传算法本身就具有并行性，种群中的每个个体都相当于并行搜索解空间中的最优解。
另为姚老师说只是单资源的话并不难，想做好的话可以考虑多资源的均衡，就是多目标调整。这方面的可以看看“权”，“支配”，“柏拉图”方面的论文，已经有很多的研究成果了。
与姚老师的谈话，给我继续深入项目的研究指明了方向。但他也是给我指出了方向，具体研究的工作还要我一步步去实现。