最近引起我注意的是，当产生“新的最佳成绩”时，步子比其他人慢。这绝对是在产生“新的最佳分数”的每一步中发生的解决方案克隆。
因此，如果“新的最佳得分”步骤不是连续的，这也没关系。例如，如果我们连续执行 50 个步骤，则解决方案克隆过程将执行 50 次。更聪明的方法是在序列末尾进行克隆过程（仅一次）。
这是可以轻松实现的事情还是有其他事情会阻止它？
另一个想法是在每个“新的最佳得分”步骤中进行克隆，但仅克隆因选择为步骤的移动而更改的规划实体实例，并将它们附加到最佳解决方案。
如果连续 50 个步骤，并且前 23 个步骤改进了最佳解决方案，那么我们是否需要在该工作解决方案的第 23 步中进行规划克隆？
是的，我们这样做，因为不能保证接下来的 27 个步骤中的任何一步都会提高最佳分数，因此我们不想在第 23 步中失去解决方案的状态。并非每一步都会提高最佳分数，有些步骤会提高最佳分数得分更差（尤其是晚接受）。
话虽这么说，在构造启发式中 - 我们实际上不进行中间规划克隆，因为我们可以保证解决方案只会改进（初始化变量越多总是越好）。
无论如何，使规划克隆变得轻量级的最佳方法是设计一个模型，其中规划实体类没有任何传入引用（当然解决方案类除外）
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
