• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    多因子進(jìn)化算法研究進(jìn)展

    2018-03-04 20:36:20徐慶征伍國(guó)華江巧永
    關(guān)鍵詞:多因子父代種群

    徐慶征,楊 恒,王 娜,伍國(guó)華,江巧永

    XU Qingzheng1,YANG Heng1,WANG Na1,WU Guohua2,JIANG Qiaoyong3

    1.國(guó)防科技大學(xué) 信息通信學(xué)院,西安 710106

    2.國(guó)防科技大學(xué) 系統(tǒng)工程學(xué)院,長(zhǎng)沙 410073

    3.西安理工大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院,西安 710048

    1.College of Information and Communication,National University of Defense Technology,Xi’an 710106,China

    2.College of Systems Engineering,National University of Defense Technology,Changsha 410073,China

    3.School of Computer Science and Engineering,Xi’an University of Technology,Xi’an 710048,China

    1 引言

    經(jīng)過幾億年的發(fā)展,簡(jiǎn)單的細(xì)胞逐步演化形成了繽紛多彩的生物界和自然界。生命科學(xué)與工程科學(xué)的相互滲透和相互促進(jìn)是近代科學(xué)技術(shù)發(fā)展的一個(gè)顯著特征。進(jìn)化算法(Evolutionary Algorithms,EA)也稱為演化算法,它是一種具有“生成+檢測(cè)”迭代過程的啟發(fā)式隨機(jī)搜索算法,其蓬勃發(fā)展恰好體現(xiàn)了科技發(fā)展的這一趨勢(shì)[1-3]。依照達(dá)爾文的自然選擇規(guī)律和孟德爾的遺傳變異理論,生物的進(jìn)化是通過繁殖、變異、競(jìng)爭(zhēng)和選擇這四種基本形式來實(shí)現(xiàn)的。受其啟發(fā),進(jìn)化算法將待解決的問題理解為對(duì)某個(gè)目標(biāo)函數(shù)的全局優(yōu)化,通過程序迭代模擬該自然演化過程,進(jìn)而尋求問題的最優(yōu)解。它主要包括遺傳算法、進(jìn)化策略和進(jìn)化規(guī)劃等典型方法。盡管它們之間很相似,但是歷史上這三種算法是彼此獨(dú)立發(fā)展起來的。

    經(jīng)過幾十年的發(fā)展,進(jìn)化算法已經(jīng)成功解決了眾多的科學(xué)和工程問題。目前,典型的應(yīng)用領(lǐng)域包括模式識(shí)別、圖像處理、機(jī)械工程、通信網(wǎng)絡(luò)、經(jīng)濟(jì)管理、生物及社會(huì)行為學(xué)等。通常,這些復(fù)雜優(yōu)化問題被分為兩類:?jiǎn)文繕?biāo)優(yōu)化(Single-Objective Optimization,SOO)和多目標(biāo)優(yōu)化(Multi-Objective Optimization,MOO)[4-6]。當(dāng)只存在單個(gè)優(yōu)化目標(biāo)時(shí),最優(yōu)解就是在給定約束條件下使目標(biāo)函數(shù)值最大的獨(dú)立變量,當(dāng)需要同時(shí)優(yōu)化多個(gè)相互制約的目標(biāo)時(shí),就只存在某種形式的折衷解或者妥協(xié)解,通常稱為Pareto最優(yōu)解集。

    但是,人類認(rèn)知的一個(gè)顯著特征是,有能力同時(shí)管理和執(zhí)行多項(xiàng)任務(wù),并產(chǎn)生高質(zhì)量的生活體驗(yàn)。因此,有必要著手研究多因子優(yōu)化(Multifactorial Optimization,MFO)問題[7]。在現(xiàn)實(shí)世界中,存在著大量此類型問題。例如,在一個(gè)復(fù)雜多級(jí)供應(yīng)鏈網(wǎng)絡(luò)中,同時(shí)涉及作業(yè)車間調(diào)度、二次分配問題和車輛路徑問題等多個(gè)優(yōu)化問題。如果只處理其中某個(gè)優(yōu)化問題,就屬于單目標(biāo)優(yōu)化問題。如果這些問題相互結(jié)合,構(gòu)成一個(gè)復(fù)雜的整體優(yōu)化問題,就屬于多因子優(yōu)化問題。

    需要特別注意的是,對(duì)于所有的目標(biāo)函數(shù),多目標(biāo)優(yōu)化使用唯一的搜索空間。但是,在多因子優(yōu)化問題中,同時(shí)存在著多個(gè)異源的搜索空間,每一個(gè)搜索空間對(duì)應(yīng)于各自不同的優(yōu)化任務(wù),這些任務(wù)可能是相互獨(dú)立的,也可能是彼此相關(guān)的。其根本目標(biāo)是優(yōu)化每一項(xiàng)基本任務(wù),而不是像多目標(biāo)優(yōu)化那樣,在多個(gè)任務(wù)之間尋求某種形式的折衷方案。

    2016年,受多因子遺傳模型[8-9]的啟發(fā),新加坡南洋理工大學(xué)Ong教授首次提出多因子進(jìn)化算法(Multifactorial Evolutionary Algorithm,MFEA),用于處理跨域的多因子優(yōu)化問題[10]。兩年來,多因子優(yōu)化算法取得了一系列理論和應(yīng)用成果,得到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。本文首先介紹了MFEA的生物學(xué)基礎(chǔ)、文化基因算法,并描述了MFEA算法的結(jié)構(gòu),然后從工作機(jī)理、算法改進(jìn)、典型應(yīng)用領(lǐng)域等角度,系統(tǒng)總結(jié)了前人的研究成果。最后,提出了若干研究方向,供同行參考借鑒。

    2 多因子進(jìn)化算法

    2.1 生物學(xué)基礎(chǔ)

    醫(yī)學(xué)研究顯示,從基因水平來看,人類遺傳性狀的遺傳方式包括單基因遺傳和多基因遺傳兩種[11]。其中,單基因遺傳的性狀,也稱為質(zhì)量性狀,符合孟德爾遺傳方式,群體的變異分布是不連續(xù)的。多基因遺傳的性狀與單基因遺傳的性狀不同,其群體的變異分布是連續(xù)的,又稱為數(shù)量性狀。這種性狀不遵循孟德爾遺傳方式,既不能從表型來推測(cè)基因型,也不能用簡(jiǎn)單的遺傳法則來預(yù)期雜交的結(jié)果,而只能用生物統(tǒng)計(jì)學(xué)方法來研究這種性狀的遺傳。Nilsson-Ehle提出了多因子假說(或多基因假說)來解釋多基因遺傳性狀的遺傳現(xiàn)象[12]。

    1918年,F(xiàn)isher發(fā)表了劃時(shí)代論文“根據(jù)孟德爾遺傳假設(shè)的親屬間相關(guān)研究”[13],標(biāo)志著經(jīng)典數(shù)量遺傳學(xué)的創(chuàng)立。隨后,研究者構(gòu)建了不同的多因子模型來描述連續(xù)表型或閾值特征。其中,Rice構(gòu)建的多因子遺傳模型考慮了選型交配(assortative mating)和文化傳播(cultural transmission),對(duì)后世產(chǎn)生了積極影響[8-9]。

    2.2 文化基因算法

    達(dá)爾文提出的以“自然選擇”理論為核心的進(jìn)化學(xué)說僅限于生物進(jìn)化研究。但是,廣義進(jìn)化論認(rèn)為,人類的生物學(xué)進(jìn)化與人類的文化進(jìn)化是相互作用、相互影響的。20世紀(jì)80年代,Wilson逐漸創(chuàng)立了基因-文化協(xié)同進(jìn)化的觀點(diǎn)[14]。他認(rèn)為,從性質(zhì)上來講,文化進(jìn)化總是以拉馬克主義為特征的,即文化進(jìn)化依賴于獲得性狀的傳遞,速度相對(duì)比較快;而基因進(jìn)化是達(dá)爾文主義式的,依賴于若干世代后基因頻率的改變,因而是緩慢的。

    Moscato借鑒上述學(xué)說的思想與精髓,將其融入到進(jìn)化算法當(dāng)中,首次提出文化基因算法[15-16]。該算法利用局部啟發(fā)式搜索來模擬需要大量專業(yè)知識(shí)支撐的變異過程。因此,文化基因算法是一種基于種群的全局搜索和基于個(gè)體的局部啟發(fā)式搜索的結(jié)合體[17]。實(shí)際上,文化基因算法是一種框架(或概念),采用不同的搜索策略能夠構(gòu)成不同的文化基因算法。例如,全局搜索策略可以采用遺傳算法、進(jìn)化策略、進(jìn)化規(guī)劃等,局部搜索策略可以采用爬山搜索、模擬退火、貪婪算法、禁忌搜索等。

    2.3MFEA算法描述

    MFEA算法的基礎(chǔ)是從父代遺傳至子代的生物學(xué)構(gòu)件(基因)和文化構(gòu)件(文化基因)。因此,該算法屬于文化基因算法的范疇,其算法流程如算法1所示[10]。它借助多因子遺傳的兩個(gè)特征(選型交配和垂直文化傳播),將文化影響集成于傳統(tǒng)進(jìn)化算法之中。在多任務(wù)環(huán)境中,每一項(xiàng)任務(wù)都被視為一個(gè)獨(dú)特的遺傳基因,并對(duì)種群中個(gè)體的進(jìn)化產(chǎn)生顯著影響。MFEA算法基于統(tǒng)一的搜索空間確定候選解的表達(dá)方式,遺傳物質(zhì)能夠有效地在各個(gè)任務(wù)間遷移,從而加速算法的收斂速度。

    算法1多因子進(jìn)化算法

    1.隨機(jī)產(chǎn)生N個(gè)個(gè)體,構(gòu)成初始種群P0

    2.for初始種群P0中的每個(gè)個(gè)體 pido

    3. 隨機(jī)分配一個(gè)技能因子τi

    4. 只針對(duì)優(yōu)化任務(wù)τi,評(píng)估個(gè)體 pi

    5.end for

    6. 對(duì)于所有個(gè)體 pi,計(jì)算其標(biāo)量適應(yīng)度φi

    7.t=0

    8.while(終止條件不滿足)do

    9. 針對(duì)當(dāng)前種群Pt應(yīng)用基因操作,產(chǎn)生種群Ct(參見算法2)

    10. for種群Ct中的每個(gè)個(gè)體cido

    11. 根據(jù)垂直文化傳播(參見算法3),分配一個(gè)技能因子τi

    12. 只針對(duì)優(yōu)化任務(wù)τi,評(píng)估個(gè)體ci

    13. end for

    14. Rt=Pt∪Ct

    15. 更新種群Rt中所有個(gè)體的標(biāo)量適應(yīng)度和技能因子

    16. 從種群Rt中選擇N個(gè)最優(yōu)個(gè)體,形成下一代當(dāng)前種群Pt+1

    17. t=t+1

    18.end while

    選型交配特征表明,個(gè)體傾向于與自身具有相同或相似文化背景的個(gè)體交配。在MFEA算法中,技能因子被視為個(gè)體文化傾向的一種計(jì)算表達(dá)。因此,如果兩個(gè)隨機(jī)選取的父代個(gè)體具備相同的技能因子,那么它們就自由地執(zhí)行交叉操作。相反,如果它們的技能因子不相同,那么就按照預(yù)先給定的隨機(jī)交配概率(rmp)執(zhí)行交叉操作,或者執(zhí)行變異操作。選型交配的流程如算法2所示。

    算法2選型交配

    輸入:從當(dāng)前種群中隨機(jī)選取的兩個(gè)父代個(gè)體pi和pj

    輸出:子代個(gè)體ci和cj

    1.if(τi=τj)or(rand <rmp)then

    2. 基于父代個(gè)體 pi和 pj執(zhí)行交叉操作,得到子代個(gè)體ci和cj

    3.else

    4. 基于父代個(gè)體pi執(zhí)行變異操作,得到子代個(gè)體ci

    5. 基于父代個(gè)體pj執(zhí)行變異操作,得到子代個(gè)體cj

    6. end if

    顯而易見,MFEA算法產(chǎn)生的個(gè)體不大可能在各個(gè)任務(wù)中都表現(xiàn)優(yōu)異。因此,理想情況下,只在最可能表現(xiàn)優(yōu)異的那個(gè)任務(wù)上才評(píng)估該個(gè)體,這樣能夠有效地減少函數(shù)評(píng)估的次數(shù)。垂直文化傳播的思想能夠以一種簡(jiǎn)潔的方式,將該特征集成于MFEA算法之中。垂直文化傳播是一種遺傳模式,并行地執(zhí)行生物學(xué)遺傳過程,且子代個(gè)體表型直接受到其父代個(gè)體表型的影響。垂直文化傳播的流程如算法3所示。

    算法3垂直文化傳播

    輸入:子代個(gè)體c。它要么有兩個(gè)父代個(gè)體(pi和 pj),要么有一個(gè)父代個(gè)體(pi或 pj),參見算法2。

    輸出:已評(píng)估的子代個(gè)體c。

    1.if個(gè)體c有兩個(gè)父代個(gè)體(pi和 pj)then

    2.產(chǎn)生一個(gè)隨機(jī)數(shù)rand∈[0,1]

    3.if(rand<0.5)then

    4.個(gè)體c模擬父代個(gè)體 pi(只針對(duì)任務(wù)τi評(píng)估該個(gè)體)

    5.else

    6.個(gè)體c模擬父代個(gè)體 pj(只針對(duì)任務(wù)τj評(píng)估該個(gè)體)

    7.end if

    8.else

    9.個(gè)體c模擬其父代個(gè)體 pi或 pj(只針對(duì)任務(wù)τi或τj評(píng)估該個(gè)體)

    10.end if

    11.設(shè)置未評(píng)估任務(wù)所對(duì)應(yīng)的目標(biāo)函數(shù)值為無窮大

    3 研究現(xiàn)狀

    3.1 文獻(xiàn)統(tǒng)計(jì)

    依托全文數(shù)據(jù)庫(kù)、引文數(shù)據(jù)庫(kù)、谷歌學(xué)術(shù)等網(wǎng)絡(luò)資源,共搜集到31篇學(xué)術(shù)文獻(xiàn),全部采用英語撰寫,包括8篇期刊論文、20篇會(huì)議論文,以及3篇圖書章節(jié)和技術(shù)報(bào)告。

    這些文獻(xiàn)共涉及53位作者。發(fā)表論文最多的四位作者是Yew-Soon Ong(20篇)、Abhishek Gupta(17篇)、馮亮(11篇)和Bingshui Da(7篇),前三位是多因子進(jìn)化算法的首創(chuàng)者,第四位是Ong教授的一位博士生。這些作者來自于新加坡、中國(guó)、波蘭、中國(guó)臺(tái)灣等8個(gè)國(guó)家或地區(qū),涉及到25所大學(xué)或研究院。其中,新加坡南洋理工大學(xué)(21篇)和重慶大學(xué)(11篇。馮亮2015年博士畢業(yè)后任職于該校)的貢獻(xiàn)最多,其次是深圳大學(xué)(5篇)、中國(guó)臺(tái)灣國(guó)立中興大學(xué)和新加坡制造技術(shù)研究院(均為4篇)。

    截至2018年2月28日,依據(jù)谷歌學(xué)術(shù)的檢索結(jié)果,引用最多的四篇論文依次為文獻(xiàn)[10]、文獻(xiàn)[18]、文獻(xiàn)[19]和文獻(xiàn)[20],其他論文的引用次數(shù)都少于10次。其中,文獻(xiàn)[10]并非投稿時(shí)間和出版時(shí)間最早的文獻(xiàn)。但是,鑒于其完整表述了MFEA算法的提出背景、生物學(xué)基礎(chǔ)、基本概念、算法設(shè)計(jì)、仿真實(shí)驗(yàn)及結(jié)果,因此,該論文得到學(xué)術(shù)界的普遍認(rèn)可,兩年內(nèi)累計(jì)被引用54次,是該研究領(lǐng)域的最經(jīng)典論文。從論文所選取的關(guān)鍵詞來看,“evolutionary multitasking”、“memetic algorithm”和“multi-factorial optimization”排在前三位。

    3.2 工作機(jī)理

    在MFEA算法中,具有不同技能因子的個(gè)體執(zhí)行交叉操作,為跨任務(wù)的基因遷移提供了機(jī)會(huì)[19]。實(shí)驗(yàn)結(jié)果表明,盡管存在著負(fù)遷移效應(yīng)的風(fēng)險(xiǎn),但是,在大多數(shù)情況下,高質(zhì)量遺傳物質(zhì)的正遷移效應(yīng)要大于負(fù)遷移效應(yīng),這將加快算法的收斂速度,減少同時(shí)優(yōu)化多項(xiàng)任務(wù)的有效時(shí)間。

    Gupta以求解數(shù)獨(dú)問題(Sudoku puzzles)為例,驗(yàn)證了基因遷移和種群多樣性的相互關(guān)系[21]。實(shí)驗(yàn)結(jié)果表明,盡管基因遷移和種群多樣性在MFEA算法中扮演著同等重要的作用,但是,對(duì)于具有較強(qiáng)互補(bǔ)性的多任務(wù)而言,基因遷移對(duì)于種群快速收斂的影響更加顯著。進(jìn)一步地,作者首次提出了協(xié)同指標(biāo)的概念,以便定量地描述兩個(gè)優(yōu)化任務(wù)之間的互補(bǔ)性[22]?;诖烁拍?,作者能夠回答什么時(shí)候、為什么隱含的基因遷移能夠提升MFEA算法的收斂性能,這將有助于設(shè)計(jì)性能更優(yōu)的算法。

    如前所述,MFEA算法屬于基因文化算法的范疇。Da巧妙地將其中的文化因素(選型交配和垂直文化傳播)盡可能地濾除掉,形成PGEA算法,并通過實(shí)驗(yàn)比較兩者之間的性能差異,由此說明MFEA算法的優(yōu)秀性能來源于基因和文化的相互協(xié)作[23]。Wen注意到,在MFEA算法中,根據(jù)個(gè)體與其父代個(gè)體的一致性,子代個(gè)體存在三種來源途徑,且存活率不盡相同[24]。據(jù)此現(xiàn)象,首先計(jì)算出累積存活率,進(jìn)而在迭代過程的后期重新分配函數(shù)評(píng)價(jià)資源。

    根據(jù)兩個(gè)優(yōu)化任務(wù)間表型空間的重疊程度,多任務(wù)環(huán)境可分為完全重疊、部分重疊和完全不重疊三種情形[18]。對(duì)于完全重疊的情形,能夠區(qū)別不同任務(wù)的唯一特征就是輔助變量,它們從本質(zhì)上描述了該優(yōu)化任務(wù)的具體背景。對(duì)于部分重疊的情形,任務(wù)間知識(shí)的遷移主要集中于這些重疊區(qū)域。對(duì)于完全不重疊的情形,不再可能利用先驗(yàn)經(jīng)驗(yàn),但是,在統(tǒng)一的基因型空間,任務(wù)之間仍然存在一些潛在的互補(bǔ)性可供利用。

    3.3 算法改進(jìn)

    多因子優(yōu)化的目標(biāo)是同時(shí)優(yōu)化多項(xiàng)任務(wù),這些任務(wù)可能來自于完全不同的領(lǐng)域,具有明顯不同的特征。因此,多因子進(jìn)化算法必須在同一搜索空間內(nèi)構(gòu)建統(tǒng)一的編碼方案。傳統(tǒng)MFEA算法采取隨機(jī)鍵方式[25-26]統(tǒng)一地對(duì)候選解進(jìn)行編碼,解決跨域多因子優(yōu)化的普適性問題[10]。但是,該方案存在一些不足:(1)每次計(jì)算適應(yīng)度時(shí),都需要將隨機(jī)鍵解碼,這將導(dǎo)致額外的計(jì)算代價(jià);(2)不同的基因型可能對(duì)應(yīng)于相同的表型,導(dǎo)致信息有損。人們針對(duì)車輛路徑問題、旅行商問題等組合優(yōu)化問題的結(jié)構(gòu)特征,提出了新的基于排列的編解碼方案[27],以及基于分裂的編解碼方案[28]。

    如果優(yōu)化任務(wù)之間的相似性持續(xù)降低,那么,遺傳物質(zhì)的負(fù)遷移效應(yīng)風(fēng)險(xiǎn)就會(huì)增加,進(jìn)而導(dǎo)致MFEA算法性能不斷惡化。Bali借鑒機(jī)器學(xué)習(xí)中的域適應(yīng)思想,將線性域適應(yīng)與交叉算子相結(jié)合,提出LDA-MFEA算法[29]。在多因子優(yōu)化問題中,隨著待優(yōu)化任務(wù)的不斷增多,任務(wù)間的信息交互就顯得非常重要。在傳統(tǒng)MFEA算法基礎(chǔ)上,Liaw提出了互利共生生物群落進(jìn)化(EBS)框架[30]。它具有兩個(gè)鮮明特征:一是信息交換的自適應(yīng)控制;二是利用任務(wù)間的共享信息選擇子代個(gè)體。最近,Chen也提出了四種改進(jìn)措施[31-32]。一是在任務(wù)間,引入基于擬牛頓法的局部搜索技術(shù),以提高算法效率;二是為了克服MFEA算法的局部收斂問題,針對(duì)部分最差個(gè)體,引入重新初始化技術(shù);三是利用自適應(yīng)父代個(gè)體選擇策略,以便適應(yīng)不同的搜索階段;四是在合作協(xié)同進(jìn)化的框架下,將高維復(fù)雜優(yōu)化問題分解為多個(gè)低維子優(yōu)化問題。

    針對(duì)多目標(biāo)優(yōu)化問題,Mo首先利用M2M分解技術(shù),將一個(gè)多目標(biāo)問題轉(zhuǎn)化為多個(gè)有約束的多目標(biāo)子問題,然后再利用MFEA算法的不同子種群分別求解這些子問題[33]。此外,還將支持向量機(jī)作為預(yù)選擇步驟。也就是說,利用上一代種群及其子代種群作為訓(xùn)練集合,這樣能夠有效地預(yù)測(cè)某個(gè)解是否足夠優(yōu)秀。Yang利用K均值聚類算法,將決策變量劃分為兩組:與多樣性相關(guān)的變量組和與收斂性相關(guān)的變量組[34]。在執(zhí)行選型交配操作時(shí),不同的變量組獨(dú)立選取不同的參數(shù),以便同時(shí)改善MFEA算法的多樣性和收斂性。

    為了降低計(jì)算成本,在垂直文化傳播機(jī)制中,MFEA算法只需針對(duì)一個(gè)任務(wù)評(píng)估種群個(gè)體。但是,在某些應(yīng)用實(shí)例中,計(jì)算壓力主要來自于程序的執(zhí)行本身,而不是優(yōu)化任務(wù)的數(shù)量。針對(duì)這種特殊情形,Sagarna提出一種任務(wù)分配機(jī)制,以便緩解該算法的計(jì)算壓力[35]。

    許多研究者還試圖將多因子優(yōu)化的思想引入到其他智能算法之中,例如粒子群算法[36]、差分進(jìn)化算法[36]、頭腦風(fēng)暴優(yōu)化算法[37]、遺傳規(guī)劃[38]和極限學(xué)習(xí)機(jī)[39]等。

    3.4 典型應(yīng)用領(lǐng)域

    MFEA算法對(duì)于每一項(xiàng)優(yōu)化任務(wù)沒有任何約束,其應(yīng)用領(lǐng)域十分寬泛,涵蓋連續(xù)空間函數(shù)優(yōu)化、離散空間組合優(yōu)化、單目標(biāo)優(yōu)化、多目標(biāo)優(yōu)化、人造的標(biāo)準(zhǔn)問題和現(xiàn)實(shí)世界的問題等。

    為了更加公平地評(píng)估MFEA算法的性能,拓寬其應(yīng)用領(lǐng)域,Ong教授已經(jīng)在智能計(jì)算領(lǐng)域的頂級(jí)國(guó)際會(huì)議(IEEE CEC)連續(xù)組織了兩次MFO競(jìng)賽,公布了一些標(biāo)準(zhǔn)的測(cè)試數(shù)據(jù)集,包括單目標(biāo)優(yōu)化[40]和多目標(biāo)優(yōu)化[41]兩類問題。此外,Liaw依托CEC 2014的30個(gè)單目標(biāo)函數(shù),提出了構(gòu)造許多任務(wù)(>3)的標(biāo)準(zhǔn)測(cè)試問題的方法[30]。

    求解計(jì)算昂貴的優(yōu)化問題的基本思路是,利用計(jì)算廉價(jià)的代理模型來部分地代替那些費(fèi)時(shí)的適應(yīng)度評(píng)估,以便降低計(jì)算成本。該思路恰好適合采用MFEA算法。Ding提出決策變量平移策略,使得所有任務(wù)的最優(yōu)解都位于統(tǒng)一搜索空間的相同位置[42]。同時(shí),他還提出了決策變量洗牌策略,以增強(qiáng)具有不同維度的優(yōu)化任務(wù)之間的知識(shí)遷移的有效性。

    雙層規(guī)劃是一種具有雙層遞階結(jié)構(gòu)的系統(tǒng)優(yōu)化問題。Gupta注意到,大多數(shù)情況下,當(dāng)高層函數(shù)的變量只發(fā)生少許變化時(shí),低層目標(biāo)函數(shù)的變化幅度也不顯著[20]。因此,以傳統(tǒng)MFEA算法為基礎(chǔ),將高層進(jìn)化算法中的種群個(gè)體進(jìn)行合理的聚類,構(gòu)造出M-BLEA算法。

    此外,研究者正在嘗試將MFEA算法應(yīng)用于一些現(xiàn)實(shí)世界的真實(shí)問題中。例如,軟件測(cè)試[35]、復(fù)合材料液體模塑成型[19-20,43],以及飛行器設(shè)計(jì)等復(fù)雜智能系統(tǒng)[44-45]。

    4 挑戰(zhàn)和機(jī)遇

    與其他相對(duì)成熟的智能計(jì)算方法相比較,多因子優(yōu)化以及多因子進(jìn)化算法的研究尚處于起步階段[46]。多因子進(jìn)化算法理論與應(yīng)用研究所面臨的挑戰(zhàn)和機(jī)遇主要包括以下四方面。

    第一,MFEA算法的作用機(jī)理尚不明晰,即,知其然不知所以然。一方面,承認(rèn)多因子進(jìn)化算法針對(duì)眾多人造以及實(shí)際問題獲得了良好的結(jié)果,看似具有普遍的適用性。另一方面,研究結(jié)果也充分說明,遺傳物質(zhì)在任務(wù)之間的遷移有時(shí)存在負(fù)效應(yīng),甚至?xí)谀撤N程度上適得其反,降低算法的收斂速度。因此,只有充分理解多因子進(jìn)化算法的內(nèi)部機(jī)理和外部聯(lián)系,從待求解多任務(wù)的解空間、基因遷移規(guī)律、多因子進(jìn)化算法設(shè)計(jì)的辯證關(guān)系入手,選擇合適的數(shù)學(xué)工具,在三者之間建立一個(gè)橋梁或紐帶,才能為構(gòu)造新模型、擴(kuò)展新領(lǐng)域提供靈感。

    第二,MFEA算法自身的效率和適應(yīng)性有待提高。多項(xiàng)優(yōu)化任務(wù)同時(shí)到來,進(jìn)化算法的效率和適應(yīng)性對(duì)于算法的應(yīng)用價(jià)值顯得尤為關(guān)鍵。傳統(tǒng)的MFEA算法只是在交叉、變異、選擇等進(jìn)化算子的基礎(chǔ)上,添加了選型交配和垂直文化傳播等操作,算法效率并不高。因此,在深刻理解任務(wù)特征的基礎(chǔ)上,基于種群分布特征設(shè)計(jì)新的編解碼方案、高效的進(jìn)化算子,以實(shí)現(xiàn)種群多樣性的主動(dòng)控制和種群搜索方向的自適應(yīng)調(diào)整,是當(dāng)前需要解決的一個(gè)關(guān)鍵問題。

    第三,MFEA算法的能力提升存在較大空間。除了提高算法自身的效率之外,另一個(gè)關(guān)注點(diǎn)就是開發(fā)高級(jí)算法,全面提升算法能力。例如,算法同時(shí)處理許多任務(wù)的能力、算法的自適應(yīng)能力,以及算法利用先驗(yàn)知識(shí)的能力等。理想的多因子優(yōu)化算法能夠挖掘優(yōu)化任務(wù)的先驗(yàn)知識(shí)或特征,自適應(yīng)地調(diào)節(jié)其核心工作機(jī)制(包括基因操作、種群規(guī)模和分布、局部搜索策略等),使得任務(wù)間知識(shí)遷移的積極效應(yīng)最大化,以便求解不同任務(wù)規(guī)模的復(fù)雜科學(xué)和工程問題。

    最后,MFEA算法的應(yīng)用領(lǐng)域亟待擴(kuò)展。目前,MFEA算法的應(yīng)用較多地集中于連續(xù)域內(nèi)的函數(shù)優(yōu)化問題以及離散域內(nèi)的組合優(yōu)化問題,距離實(shí)際應(yīng)用階段尚存在較大的差距。更進(jìn)一步,該算法尚未在一些具有重要科學(xué)意義或社會(huì)價(jià)值的研究領(lǐng)域取得令人振奮的開創(chuàng)新成果,難以得到國(guó)際同行的廣泛認(rèn)可,也沒有深入地反思為什么在這些領(lǐng)域率先取得突破,更沒有總結(jié)出MFEA算法適用的研究領(lǐng)域的基本特征。

    5 結(jié)束語

    多因子進(jìn)化算法符合近代科學(xué)技術(shù)發(fā)展的趨勢(shì),是智能計(jì)算領(lǐng)域新近涌現(xiàn)的研究熱點(diǎn),逐漸引起學(xué)術(shù)界和工業(yè)界的熱切關(guān)注。本文從工作機(jī)理、算法改進(jìn)、典型應(yīng)用領(lǐng)域等角度,系統(tǒng)總結(jié)了MFEA算法的理論和應(yīng)用研究成果,并指出當(dāng)前所面臨的若干挑戰(zhàn)和機(jī)遇。

    但是,MFEA算法的研究成果過度集中于不多的幾個(gè)研究小組,學(xué)術(shù)界的認(rèn)可程度尚待提高。算法的理論基礎(chǔ)還比較薄弱,尚未利用合適的數(shù)學(xué)工具論證新算法的收斂性、多樣性、穩(wěn)定性、魯棒性等基本算法特性。此外,算法性能和綜合能力(處理許多任務(wù)、自適應(yīng)、利用先驗(yàn)知識(shí)等)還有待改善。建議研究者應(yīng)當(dāng)積極與工業(yè)界開展合作,構(gòu)建較完整的理論框架,開發(fā)更加高效的多因子進(jìn)化算法,發(fā)揮更好的科學(xué)和社會(huì)效益。

    參考文獻(xiàn):

    [1]B?ck T,F(xiàn)ogel D B,Michalewicz Z.Handbook of evolutionary computation[M].Bristol,UK:IOP Publishing Ltd,1997.

    [2]De Jong K A.Evolutionary computation:A unified approach[M].Cambridge,UK:MIT Press,2006.

    [3]Back T,Hammel U,Schwefel H P.Evolutionary computation:Comments on the history and current state[J].IEEE Transactions on Evolutionary Computation,1997,1(1):3-17.

    [4]Coello Coello C A.Evolutionary multi-objective optimization:A historical view of the field[J].IEEE Computational Intelligence Magazine,2006,1(1):28-36.

    [5]Coello Coello C A.Evolutionary multi-objective optimization:Some current research trends and topics that remain to be explored[J].Frontiers of Computer Science in China,2009,3(1):18-30.

    [6]Deb K.Multi-objective optimization[M]//Burke E K,Kendall G.Search Methodologies:Introductory Tutorials in Optimization and Decision Support Techniques(Second Edition).Boston,USA:Springer,2014:403-449.

    [7]Ong Y S.Towards evolutionary multitasking:A new paradigm in evolutionary computation[C]//Proceedings of International Conference on Computational Intelligence,Cyber Security,and Computational Models,2015:25-26.

    [8]Rice J,Cloninger C R,Reich T.Multifactorial inheritance with culturaltransmission and assortativemating.I.Description and basic properties of the unitary models[J].The American Journal of Human Genetics,1978,30(6):618-643.

    [9]Cloninger C R,Rice J,Reich T.Multifactorial inheritance with cultural transmission and assortative mating.II.A general model of combined polygenic and cultural inheritance[J].The American Journal of Human Genetics,1979,31(2).

    [10]Gupta A,Ong Y S,F(xiàn)eng L.Multifactorial evolution:Toward evolutionary multitasking[J].IEEE Transactions on Evolutionary Computation,2016,20(3):343-357.

    [11]韓驊,舒青,張萍.分子醫(yī)學(xué)遺傳學(xué)[M].西安:第四軍醫(yī)大學(xué)出版社,2009.

    [12]Nilsson-Ehle H.Kreuzungsuntersuchungen an hafer und weizen[M].Lund:Lund’s Universitets Arsskrift,1909.

    [13]Fisher R A.The correlation between relatives on the supposition of Mendelian inheritance[J].Transactions of the Royal Society of Edinburgh,1918,52(2):399-433.

    [14]Wilson E O.Sociobiology:The new synthesis(25th anniversary edition)[M].Cambridge,UK:Belknap Press,2000.

    [15]Chen X S,Ong Y S,Lim M H,et al.A multi-facet survey on memetic computation[J].IEEE Transactions on Evolutionary Computation,2011,15(5):591-607.

    [16]Ong Y S,Lim M H,Chen X S.Research frontier:Memetic computation—Past,present&future[J].IEEE Computational Intelligence Magazine,2010,5(2):24-31.

    [17]劉漫丹.文化基因算法(Memetic Algorithm)研究進(jìn)展[J].自動(dòng)化技術(shù)與應(yīng)用,2007,26(11):1-4.

    [18]Ong Y S,Gupta A.Evolutionary multitasking:A computer science view of cognitive multitasking[J].Cognitive Computing,2016,8(2):125-142.

    [19]Gupta A,Ong Y S,F(xiàn)eng L,et al.Multiobjective multifactorial optimization in evolutionary multitasking[J].IEEE Transactions on Cybernetics,2017,47(7):1652-1665.

    [20]Gupta A,Mańdziuk J,Ong Y S.Evolutionary multitasking in bi-level optimization[J].Complex&Intelligent Systems,2015,1(1/4):83-95.

    [21]Gupta A,Ong Y S.Genetic transfer or population diversification?Deciphering the secret ingredients of evolutionary multitask optimization[C]//Proceedings of IEEE Symposium Series on Computational Intelligence,2016:1-7.

    [22]Gupta A,Ong Y S,Da B,et al.Landscape synergy in evolutionary multitasking[C]//Proceedings of IEEE Congress on Evolutionary Computation,2016:3076-3083.

    [23]Da B S,Gupta A,Ong Y S,et al.The boon of gene-culture interaction for effective evolutionary multitasking[C]//Proceedings of Australasian Conference on Artificial Life and Computational Intelligence,2016:54-65.

    [24]Wen Y W,Ting C K.Parting ways and reallocating resources in evolutionary multitasking[C]//Proceedings of IEEE Congress on Evolutionary Computation,2017:2404-2411.

    [25]Gon?alves J F,Resende M G C.Biased random-key genetic algorithms for combinatorial optimization[J].Journal of Heuristics,2011,17(5):487-525.

    [26]Bean J C.Genetic algorithms and random keys for sequencing and optimization[J].ORSA Journal on Computing,1994,6(2):154-160.

    [27]Yuan Y,Ong Y S,Gupta A,et al.Evolutionary multitasking in permutation-based combinatorial optimization problems:Realization with TSP,QAP,LOP,and JSP[C]//Proceedings of IEEE Region 10 Conference,2016:3157-3164.

    [28]Zhou L,F(xiàn)eng L,Zhong J H,et al.Evolutionary multitasking in combinatorial search spaces:A case study in capacitated vehicle routing problem[C]//Proceedings of IEEE Symposium Series on Computational Intelligence,2016:1-8.

    [29]Bali K K,Gupta A,F(xiàn)eng L,et al.Linearized domain adaptation in evolutionary multitasking[C]//Proceedings of IEEE Congress on Evolutionary Computation,2017:1295-1302.

    [30]Liaw R T,Ting C K.Evolutionary many-tasking based on biocoenosis through symbiosis:A framework and benchmark problems[C]//Proceedings of IEEE Congress on Evolutionary Computation,2017:2266-2273.

    [31]Chen Q J,Ma X L,Sun Y W,et al.Adaptive memetic algorithm based evolutionary multi-tasking single-objective optimization[C]//Proceedings of Asia-Pacific Conference on Simulated Evolution and Learning,2017:462-472.

    [32]Chen Q J,Ma X L,Zhu Z X,et al.Evolutionary multitasking single-objective optimization based on cooperative co-evolutionary memetic algorithm[C]//Proceedings of International Conference on Computational Intelligence and Security,2017:197-201.

    [33]Mo J J,F(xiàn)an Z,Li W J,et al.Multi-factorial evolutionary algorithm based on M2M decomposition[C]//Proceedings of Asia-Pacific Conference on Simulated Evolution and Learning,2017:134-144.

    [34]Yang C E,Ding J L,Tan K C,et al.Two-stage assortative mating for multi-objective multifactorial evolutionary optimization[C]//Proceedings of IEEE 56th Annual Conference on Decision and Control,2017:76-81.

    [35]Sagarna R,Ong Y S.Concurrently searching branches in software tests generation through multitask evolution[C]//Proceedings of IEEE Symposium Series on Computational Intelligence,2016:1-8.

    [36]Feng L,Zhou W,Zhou L,et al.An empirical study of multifactorial PSO and multifactorial DE[C]//Proceedings of IEEE Congress on Evolutionary Computation,2017:921-928.

    [37]Zheng X L,Lei Y,Gong M G,et al.Multifactorial brain storm optimization algorithm[C]//Proceedings of International Conference on Bio-inspired Computing:Theories and Applications,2016:47-53.

    [38]Wen Y W,Ting C K.Learning ensemble of decision trees through multifactorial genetic programming[C]//Proceedings of IEEE Congress on Evolutionary Computation,2016:5293-5300.

    [39]Tang Z D,Gong M G,Zhang M Y.Evolutionary multi-task learning for modular extremal learning machine[C]//Proceedings of IEEE Congress on Evolutionary Computation,2017:474-479.

    [40]Da B S,Ong Y S,F(xiàn)eng L,et al.Evolutionary multitasking for single-objective continuous optimization:Benchmark problems,performance metric and baseline results[R].Nanyang Technological University,Singapore,2016.

    [41]Yuan Y,Ong Y S,F(xiàn)eng L,et al.Evolutionary multitasking for multiobjective continuous optimization:Benchmark problems,performance metrics and baseline results[R].Nanyang Technological University,Singapore,2016.

    [42]Ding J L,Yang C E,Jin Y C,et al.Generalized multitasking for evolutionary optimization of expensive problems[J].IEEE Transactions on Evolutionary Computation,2017,PP(99):1-1.

    [43]Cheng M Y,Gupta A,Ong Y S,et al.Coevolutionary multitasking for concurrent global optimization:With case studies in complex engineering design[J].Engineering Applications of Artificial Intelligence,2017,64(1):13-24.

    [44]Min A T W,Sagarna R,Gupta A,et al.Knowledge transfer through machine learning in aircraft design[J].IEEE Computational Intelligence Magazine,2017,12(4):48-60.

    [45]Jiang S W,Xu C,Gupta A,et al.Complex and intelligent systems in manufacturing[J].IEEE Potentials,2016,35(4):23-28.

    [46]Gupta A,Da B S,Yuan Y,et al.On the emerging notion of evolutionary multitasking:A computational analog of cognitive multitasking[M]//Bechikh S,Datta R,Gupta A.Recent Advances in Evolutionary Multi-objective Optimization.Cham,Switzerland:Springer International Publishing,2017:139-157.

    猜你喜歡
    多因子父代種群
    中國(guó)高等教育的代際傳遞及其內(nèi)在機(jī)制:“學(xué)二代”現(xiàn)象存在嗎?
    延遲退休決策對(duì)居民家庭代際收入流動(dòng)性的影響分析
    ——基于人力資本傳遞機(jī)制
    山西省發(fā)現(xiàn)刺五加種群分布
    基于BP神經(jīng)網(wǎng)絡(luò)的多因子洪水分類研究
    基于打分法的多因子量化選股策略研究
    中華蜂種群急劇萎縮的生態(tài)人類學(xué)探討
    紅土地(2018年7期)2018-09-26 03:07:38
    父代收入對(duì)子代收入不平等的影響
    基于多因子的ZigBee安全認(rèn)證機(jī)制
    男孩偏好激勵(lì)父代掙取更多收入了嗎?
    ——基于子女?dāng)?shù)量基本確定的情形
    崗更湖鯉魚的種群特征
    亚州av有码| 边亲边吃奶的免费视频| 可以在线观看毛片的网站| 国产成人aa在线观看| 国产精品久久久久久av不卡| 日韩成人av中文字幕在线观看| 久久久久久久久大av| 亚洲国产精品成人久久小说 | 哪个播放器可以免费观看大片| 欧美区成人在线视频| 国产在线精品亚洲第一网站| 99九九线精品视频在线观看视频| 12—13女人毛片做爰片一| 中文字幕久久专区| 欧美极品一区二区三区四区| 秋霞在线观看毛片| 国产高潮美女av| 国产片特级美女逼逼视频| 欧美一区二区亚洲| 18+在线观看网站| 免费一级毛片在线播放高清视频| 亚洲人成网站高清观看| 秋霞在线观看毛片| av在线观看视频网站免费| 亚洲无线观看免费| 日本一本二区三区精品| 简卡轻食公司| 久久久久久伊人网av| 日韩人妻高清精品专区| 免费看光身美女| 联通29元200g的流量卡| 欧美极品一区二区三区四区| 日韩 亚洲 欧美在线| 欧美zozozo另类| 99国产精品一区二区蜜桃av| 国产亚洲5aaaaa淫片| 精品少妇黑人巨大在线播放 | 国产精品爽爽va在线观看网站| 一区福利在线观看| 亚洲中文字幕一区二区三区有码在线看| 人人妻人人看人人澡| 成人亚洲精品av一区二区| 精品欧美国产一区二区三| 久久精品影院6| 国内少妇人妻偷人精品xxx网站| 麻豆成人av视频| 久久人妻av系列| 精品久久久久久久久久久久久| 成人av在线播放网站| 免费大片18禁| 欧美一区二区亚洲| 国产高清有码在线观看视频| 精品一区二区三区人妻视频| 午夜免费男女啪啪视频观看| 秋霞在线观看毛片| 中文字幕精品亚洲无线码一区| 午夜爱爱视频在线播放| 午夜亚洲福利在线播放| 变态另类丝袜制服| 国产高清视频在线观看网站| 精品午夜福利在线看| 久久这里只有精品中国| 一级毛片aaaaaa免费看小| 人妻少妇偷人精品九色| 一本久久精品| 久久国内精品自在自线图片| 午夜精品在线福利| 午夜福利高清视频| 中文亚洲av片在线观看爽| 免费人成在线观看视频色| 欧美3d第一页| 国产视频内射| 久久久国产成人精品二区| 晚上一个人看的免费电影| 日韩一区二区三区影片| 简卡轻食公司| 久久久久网色| 18禁在线无遮挡免费观看视频| 精品免费久久久久久久清纯| 校园人妻丝袜中文字幕| 美女内射精品一级片tv| 偷拍熟女少妇极品色| 高清午夜精品一区二区三区 | 日本与韩国留学比较| 97超碰精品成人国产| 国产一级毛片在线| 久久人人爽人人片av| 国产人妻一区二区三区在| 插阴视频在线观看视频| 我要看日韩黄色一级片| 久久精品国产清高在天天线| 蜜臀久久99精品久久宅男| 亚洲中文字幕一区二区三区有码在线看| 小蜜桃在线观看免费完整版高清| 老师上课跳d突然被开到最大视频| 美女 人体艺术 gogo| 亚洲最大成人手机在线| a级毛片免费高清观看在线播放| 日日撸夜夜添| 国产午夜精品久久久久久一区二区三区| av在线蜜桃| 久久亚洲国产成人精品v| 亚洲精品乱码久久久v下载方式| 桃色一区二区三区在线观看| 51国产日韩欧美| 免费观看的影片在线观看| 色综合站精品国产| 欧美日本亚洲视频在线播放| 久久久久久久久久久免费av| 欧美激情国产日韩精品一区| 国产精品.久久久| 小说图片视频综合网站| 久久鲁丝午夜福利片| 国产探花极品一区二区| 色综合色国产| 成人特级黄色片久久久久久久| 黄色配什么色好看| 一级黄片播放器| av视频在线观看入口| 国产成人福利小说| 色哟哟·www| 有码 亚洲区| 3wmmmm亚洲av在线观看| 国产一区二区三区av在线 | 少妇被粗大猛烈的视频| 精品人妻视频免费看| www.色视频.com| 国产一区二区在线av高清观看| 99热网站在线观看| 亚洲av男天堂| АⅤ资源中文在线天堂| 免费av毛片视频| 亚洲精品色激情综合| 我的老师免费观看完整版| 免费一级毛片在线播放高清视频| 亚洲成a人片在线一区二区| 亚洲精品国产av成人精品| 美女cb高潮喷水在线观看| 精品人妻熟女av久视频| 国产高清有码在线观看视频| 狂野欧美激情性xxxx在线观看| 亚洲国产欧洲综合997久久,| 精品午夜福利在线看| АⅤ资源中文在线天堂| 久久久久久国产a免费观看| 少妇的逼好多水| 激情 狠狠 欧美| 九色成人免费人妻av| a级毛片免费高清观看在线播放| 国产国拍精品亚洲av在线观看| 中文欧美无线码| 深夜a级毛片| 国产 一区精品| 国产一区二区三区av在线 | 国产精品精品国产色婷婷| 亚洲精品国产成人久久av| 亚洲无线在线观看| 亚洲国产欧美人成| 久久精品综合一区二区三区| 波多野结衣高清作品| 国产一区二区在线av高清观看| 精华霜和精华液先用哪个| 久久精品人妻少妇| 91午夜精品亚洲一区二区三区| 黄片wwwwww| 国产高潮美女av| 成人高潮视频无遮挡免费网站| 啦啦啦韩国在线观看视频| 九草在线视频观看| 国产乱人视频| 美女国产视频在线观看| 国产精品av视频在线免费观看| av又黄又爽大尺度在线免费看 | 人妻制服诱惑在线中文字幕| 亚洲人成网站在线观看播放| 国产淫片久久久久久久久| 国产黄片视频在线免费观看| 亚洲精品粉嫩美女一区| 欧美性感艳星| 99久久无色码亚洲精品果冻| 成年女人永久免费观看视频| 亚洲无线在线观看| 久久久精品欧美日韩精品| 99久久无色码亚洲精品果冻| 人妻少妇偷人精品九色| 高清在线视频一区二区三区 | 嫩草影院入口| 一进一出抽搐动态| 国产乱人偷精品视频| 中文字幕久久专区| 免费一级毛片在线播放高清视频| 特级一级黄色大片| 亚洲第一区二区三区不卡| 亚洲成人精品中文字幕电影| 91av网一区二区| 国产精品一区二区性色av| 日本黄大片高清| 一进一出抽搐gif免费好疼| 日本色播在线视频| 国产精品一及| a级毛片免费高清观看在线播放| 国产一区亚洲一区在线观看| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产精品sss在线观看| 午夜a级毛片| 亚洲精品粉嫩美女一区| 一边摸一边抽搐一进一小说| 狠狠狠狠99中文字幕| 欧美zozozo另类| 美女cb高潮喷水在线观看| 熟女人妻精品中文字幕| 国产日本99.免费观看| 中文字幕免费在线视频6| 老师上课跳d突然被开到最大视频| 亚洲三级黄色毛片| 欧美日本视频| 岛国毛片在线播放| 免费观看在线日韩| 欧美又色又爽又黄视频| 亚洲成人中文字幕在线播放| 亚洲综合色惰| 九色成人免费人妻av| 综合色丁香网| 性色avwww在线观看| 久久精品夜色国产| 晚上一个人看的免费电影| 国产大屁股一区二区在线视频| 亚洲av成人精品一区久久| 国产精品99久久久久久久久| 国产在线精品亚洲第一网站| 久久久精品大字幕| 少妇熟女aⅴ在线视频| 久久欧美精品欧美久久欧美| 亚洲成人精品中文字幕电影| 日韩欧美精品v在线| 丰满的人妻完整版| 我的女老师完整版在线观看| 舔av片在线| 少妇人妻精品综合一区二区 | 国产又黄又爽又无遮挡在线| 99精品在免费线老司机午夜| 九九在线视频观看精品| 久久精品国产亚洲av香蕉五月| 久久午夜福利片| 91久久精品国产一区二区成人| 在线播放国产精品三级| 少妇熟女欧美另类| 国产亚洲精品久久久com| 热99在线观看视频| 亚洲乱码一区二区免费版| 高清日韩中文字幕在线| 国产精品人妻久久久影院| 97在线视频观看| 久久久久久国产a免费观看| 欧美一区二区亚洲| 国产一区二区三区在线臀色熟女| 日韩av在线大香蕉| 99热6这里只有精品| 亚洲人成网站在线播| 老师上课跳d突然被开到最大视频| 久久这里有精品视频免费| 日韩在线高清观看一区二区三区| 白带黄色成豆腐渣| 成人毛片60女人毛片免费| 亚洲精品久久久久久婷婷小说 | 日本熟妇午夜| 国产极品精品免费视频能看的| 波多野结衣高清无吗| 一区福利在线观看| 精品久久久久久久久av| 狠狠狠狠99中文字幕| 欧美成人一区二区免费高清观看| 亚洲成人久久爱视频| 韩国av在线不卡| 国产乱人偷精品视频| 欧美激情国产日韩精品一区| 久久精品91蜜桃| 国产一区二区三区av在线 | 亚洲第一电影网av| 日韩在线高清观看一区二区三区| 婷婷精品国产亚洲av| 国产高潮美女av| 日日撸夜夜添| 黄色视频,在线免费观看| 成人无遮挡网站| 欧美3d第一页| 国产成人精品一,二区 | 黄色视频,在线免费观看| 在现免费观看毛片| 欧美成人精品欧美一级黄| 国内久久婷婷六月综合欲色啪| 午夜久久久久精精品| 中国美白少妇内射xxxbb| av天堂中文字幕网| 国产 一区精品| 久久人人爽人人爽人人片va| av视频在线观看入口| 简卡轻食公司| 天堂影院成人在线观看| 少妇熟女aⅴ在线视频| 午夜老司机福利剧场| 欧美在线一区亚洲| 午夜激情欧美在线| 国产又黄又爽又无遮挡在线| 国产精品国产高清国产av| 久久欧美精品欧美久久欧美| 高清日韩中文字幕在线| 亚洲七黄色美女视频| 国产精品美女特级片免费视频播放器| 中文字幕免费在线视频6| 看片在线看免费视频| av福利片在线观看| 亚洲自拍偷在线| 长腿黑丝高跟| 欧美成人一区二区免费高清观看| 国内久久婷婷六月综合欲色啪| 亚洲,欧美,日韩| 边亲边吃奶的免费视频| 日韩精品有码人妻一区| 嫩草影院精品99| 日韩亚洲欧美综合| 亚洲第一电影网av| 黄色一级大片看看| 亚洲精品久久久久久婷婷小说 | 男的添女的下面高潮视频| 国产伦精品一区二区三区视频9| 听说在线观看完整版免费高清| 三级毛片av免费| 黄色欧美视频在线观看| 国产精品1区2区在线观看.| 久久99蜜桃精品久久| 变态另类丝袜制服| 久久九九热精品免费| 亚洲第一电影网av| 国产毛片a区久久久久| 国产av在哪里看| 狂野欧美激情性xxxx在线观看| 毛片女人毛片| 国内久久婷婷六月综合欲色啪| 亚洲国产精品合色在线| 美女大奶头视频| 激情 狠狠 欧美| 国产精品一区www在线观看| 国产高清三级在线| 成人亚洲欧美一区二区av| 精华霜和精华液先用哪个| 噜噜噜噜噜久久久久久91| 美女高潮的动态| 小说图片视频综合网站| a级毛片免费高清观看在线播放| 91精品国产九色| 精品一区二区三区人妻视频| 听说在线观看完整版免费高清| 精品久久久久久久久久久久久| 日韩一本色道免费dvd| 丝袜美腿在线中文| 精品久久久久久久人妻蜜臀av| 久久精品国产自在天天线| 亚洲国产精品成人久久小说 | 97热精品久久久久久| 中文字幕av在线有码专区| 国产精品久久久久久精品电影| 一级黄片播放器| 亚洲无线观看免费| 在线观看一区二区三区| 国产精品一区www在线观看| 国产精品不卡视频一区二区| 村上凉子中文字幕在线| 国产精品嫩草影院av在线观看| 免费一级毛片在线播放高清视频| 波多野结衣高清无吗| 狠狠狠狠99中文字幕| 久久久久久久久久久丰满| 女同久久另类99精品国产91| 波多野结衣高清作品| 嘟嘟电影网在线观看| 免费观看在线日韩| 偷拍熟女少妇极品色| 国产在视频线在精品| 亚洲精品久久久久久婷婷小说 | 色综合站精品国产| 欧美另类亚洲清纯唯美| 日韩欧美 国产精品| 亚洲av第一区精品v没综合| 国产色爽女视频免费观看| 亚洲真实伦在线观看| 中国美女看黄片| 午夜免费男女啪啪视频观看| 菩萨蛮人人尽说江南好唐韦庄 | 一边摸一边抽搐一进一小说| 国产午夜精品一二区理论片| 草草在线视频免费看| 国产美女午夜福利| 日韩国内少妇激情av| 免费不卡的大黄色大毛片视频在线观看 | 18禁在线无遮挡免费观看视频| 99久久精品一区二区三区| 日韩精品有码人妻一区| 免费在线观看成人毛片| 欧美最新免费一区二区三区| 爱豆传媒免费全集在线观看| 简卡轻食公司| 亚洲成人av在线免费| 亚洲国产欧美人成| 女的被弄到高潮叫床怎么办| 亚洲成人久久性| 卡戴珊不雅视频在线播放| 成人午夜精彩视频在线观看| 久久久久久伊人网av| 日本撒尿小便嘘嘘汇集6| 高清午夜精品一区二区三区 | 日本熟妇午夜| 国产一区二区亚洲精品在线观看| 在线播放国产精品三级| 国产午夜精品久久久久久一区二区三区| 一本一本综合久久| 两性午夜刺激爽爽歪歪视频在线观看| 有码 亚洲区| 国产视频内射| 全区人妻精品视频| 噜噜噜噜噜久久久久久91| 国产在视频线在精品| 91av网一区二区| 成人性生交大片免费视频hd| h日本视频在线播放| 国产视频首页在线观看| 丝袜喷水一区| 国产一区二区在线观看日韩| 久久午夜亚洲精品久久| 老熟妇乱子伦视频在线观看| 丰满乱子伦码专区| 亚洲天堂国产精品一区在线| 国产精品无大码| 日本一二三区视频观看| 亚洲在久久综合| 亚洲欧洲日产国产| 99久久成人亚洲精品观看| 亚洲乱码一区二区免费版| 亚洲国产精品成人久久小说 | 欧美成人a在线观看| 中国美白少妇内射xxxbb| 一边亲一边摸免费视频| 又爽又黄a免费视频| 色噜噜av男人的天堂激情| 欧美3d第一页| 亚洲精品自拍成人| 男人的好看免费观看在线视频| 国产探花极品一区二区| av免费在线看不卡| 久久草成人影院| 22中文网久久字幕| 亚洲精品国产av成人精品| 少妇熟女aⅴ在线视频| 深爱激情五月婷婷| 欧美一级a爱片免费观看看| 国产一区二区三区av在线 | 又粗又爽又猛毛片免费看| 午夜免费激情av| 国语自产精品视频在线第100页| 日韩成人av中文字幕在线观看| 免费人成在线观看视频色| 美女国产视频在线观看| 干丝袜人妻中文字幕| 国内精品美女久久久久久| 97热精品久久久久久| 国产毛片a区久久久久| 观看美女的网站| 国产午夜精品一二区理论片| 哪里可以看免费的av片| 老女人水多毛片| 看非洲黑人一级黄片| 99热这里只有是精品在线观看| 1000部很黄的大片| 插阴视频在线观看视频| 国产精品一区二区在线观看99 | 亚洲欧美成人精品一区二区| 国产黄a三级三级三级人| 国产大屁股一区二区在线视频| 搡女人真爽免费视频火全软件| 晚上一个人看的免费电影| 亚洲欧美精品专区久久| 少妇熟女欧美另类| 又粗又爽又猛毛片免费看| 亚洲国产色片| 成年女人看的毛片在线观看| 国产精品久久久久久av不卡| 亚洲国产精品合色在线| 天美传媒精品一区二区| 欧美日韩国产亚洲二区| 国产一区二区在线av高清观看| 真实男女啪啪啪动态图| 草草在线视频免费看| 免费看日本二区| 国产极品天堂在线| 国产精品美女特级片免费视频播放器| 精品一区二区三区人妻视频| 久久国内精品自在自线图片| 小说图片视频综合网站| 日韩欧美精品免费久久| 国产高清不卡午夜福利| 国产精品久久视频播放| 国产精品.久久久| 亚洲国产精品成人综合色| 日韩国内少妇激情av| 欧美日韩乱码在线| 日韩成人伦理影院| 亚洲精品国产成人久久av| 亚洲人成网站在线观看播放| 久久精品综合一区二区三区| 免费一级毛片在线播放高清视频| 国产成人福利小说| 亚洲丝袜综合中文字幕| 国产一区二区在线av高清观看| 国产精品电影一区二区三区| 精品午夜福利在线看| 丝袜喷水一区| 国产成年人精品一区二区| 亚洲av成人精品一区久久| 爱豆传媒免费全集在线观看| 中文在线观看免费www的网站| 国产精品,欧美在线| 国产久久久一区二区三区| avwww免费| 亚洲国产精品久久男人天堂| 婷婷六月久久综合丁香| 九九爱精品视频在线观看| 久久精品久久久久久噜噜老黄 | 国产日韩欧美在线精品| 久久久久久久久久黄片| 精品久久久久久久久久免费视频| 亚洲国产欧美在线一区| 黄色欧美视频在线观看| 亚洲精品粉嫩美女一区| 亚洲丝袜综合中文字幕| 亚洲国产欧美人成| 18+在线观看网站| 嫩草影院精品99| 精品少妇黑人巨大在线播放 | 日韩高清综合在线| 女同久久另类99精品国产91| 高清毛片免费观看视频网站| 亚洲人成网站在线播放欧美日韩| 美女cb高潮喷水在线观看| 身体一侧抽搐| 日韩亚洲欧美综合| 12—13女人毛片做爰片一| 一进一出抽搐动态| 久久欧美精品欧美久久欧美| 国产亚洲欧美98| 精华霜和精华液先用哪个| 精品99又大又爽又粗少妇毛片| 色噜噜av男人的天堂激情| 国产av一区在线观看免费| 免费不卡的大黄色大毛片视频在线观看 | 26uuu在线亚洲综合色| 欧美另类亚洲清纯唯美| 九九久久精品国产亚洲av麻豆| 国产大屁股一区二区在线视频| 国产高清视频在线观看网站| 黄色欧美视频在线观看| 一级毛片电影观看 | 丝袜喷水一区| 九色成人免费人妻av| 在线播放无遮挡| а√天堂www在线а√下载| 白带黄色成豆腐渣| 一本久久中文字幕| 日本黄大片高清| 在线免费观看不下载黄p国产| 中文欧美无线码| 国产91av在线免费观看| 我的女老师完整版在线观看| 国产乱人偷精品视频| 久久亚洲精品不卡| 国产一级毛片在线| 日韩精品有码人妻一区| 国产 一区 欧美 日韩| 精品久久久久久久久av| 亚洲国产日韩欧美精品在线观看| 乱人视频在线观看| 岛国毛片在线播放| 一本久久中文字幕| 在线观看av片永久免费下载| 国产视频内射| 最新中文字幕久久久久| av黄色大香蕉| 变态另类丝袜制服| 国产成人一区二区在线| av视频在线观看入口| 欧美日韩综合久久久久久| 国产淫片久久久久久久久| 人人妻人人澡欧美一区二区| 蜜桃亚洲精品一区二区三区| 亚洲欧美日韩卡通动漫| 免费无遮挡裸体视频| 99riav亚洲国产免费| 免费观看在线日韩| 三级毛片av免费| av免费观看日本| 亚洲精品乱码久久久v下载方式| www.色视频.com| 尤物成人国产欧美一区二区三区| av又黄又爽大尺度在线免费看 | 直男gayav资源| 国产精品日韩av在线免费观看| 成人永久免费在线观看视频| 高清毛片免费观看视频网站| av天堂在线播放| 日韩欧美国产在线观看| 国产精品日韩av在线免费观看| 黄色一级大片看看| 男人和女人高潮做爰伦理| 99国产极品粉嫩在线观看| 亚洲不卡免费看| 国产黄a三级三级三级人|