• <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
    99精品久久久久人妻精品| 国模一区二区三区四区视频 | 欧美一级毛片孕妇| 国产亚洲精品久久久com| 在线观看午夜福利视频| 免费人成视频x8x8入口观看| 国产精品久久久久久人妻精品电影| 日本精品一区二区三区蜜桃| 宅男免费午夜| 精品乱码久久久久久99久播| 美女黄网站色视频| 久久久久久国产a免费观看| 欧美性猛交╳xxx乱大交人| 国产高清有码在线观看视频| 亚洲性夜色夜夜综合| 亚洲七黄色美女视频| 午夜福利在线观看吧| 亚洲精品久久国产高清桃花| 午夜福利视频1000在线观看| 精品一区二区三区四区五区乱码| 国产成人啪精品午夜网站| 欧洲精品卡2卡3卡4卡5卡区| 在线观看免费视频日本深夜| 欧美黑人欧美精品刺激| 欧美成人一区二区免费高清观看 | 欧美乱色亚洲激情| 亚洲国产精品合色在线| 亚洲精品一卡2卡三卡4卡5卡| 三级男女做爰猛烈吃奶摸视频| 日韩中文字幕欧美一区二区| 一进一出抽搐gif免费好疼| 亚洲 国产 在线| 亚洲国产精品sss在线观看| 亚洲国产精品sss在线观看| 久久久成人免费电影| 99在线人妻在线中文字幕| а√天堂www在线а√下载| 首页视频小说图片口味搜索| 一本综合久久免费| 午夜福利欧美成人| 成人无遮挡网站| 中文字幕精品亚洲无线码一区| www.熟女人妻精品国产| 午夜日韩欧美国产| 亚洲最大成人中文| 变态另类成人亚洲欧美熟女| 久久香蕉精品热| 亚洲人成网站在线播放欧美日韩| 身体一侧抽搐| 伊人久久大香线蕉亚洲五| 欧美在线黄色| 欧美黄色片欧美黄色片| 成在线人永久免费视频| 最近视频中文字幕2019在线8| 精品乱码久久久久久99久播| 久久精品综合一区二区三区| 国产精品亚洲av一区麻豆| 中文字幕高清在线视频| 亚洲成人精品中文字幕电影| 亚洲性夜色夜夜综合| 国产亚洲av嫩草精品影院| a在线观看视频网站| 一卡2卡三卡四卡精品乱码亚洲| 超碰成人久久| 国产蜜桃级精品一区二区三区| 国产精品 国内视频| 欧洲精品卡2卡3卡4卡5卡区| av在线蜜桃| 老汉色av国产亚洲站长工具| 久久久久性生活片| 日韩精品中文字幕看吧| 国产精品久久久人人做人人爽| 亚洲精华国产精华精| 亚洲国产中文字幕在线视频| 国产99白浆流出| 99在线人妻在线中文字幕| 欧美日韩福利视频一区二区| 91在线观看av| 久久这里只有精品中国| 国产亚洲av嫩草精品影院| 精品国产乱子伦一区二区三区| av在线蜜桃| 国产一区二区激情短视频| 无人区码免费观看不卡| 岛国在线观看网站| 日本 av在线| 久久久久国内视频| 国产精品野战在线观看| 成人三级黄色视频| 欧美成人一区二区免费高清观看 | 久久久水蜜桃国产精品网| 久99久视频精品免费| 日韩欧美在线乱码| 一a级毛片在线观看| 嫩草影院入口| 日日夜夜操网爽| 午夜福利高清视频| 露出奶头的视频| 成年免费大片在线观看| av福利片在线观看| 亚洲精品美女久久av网站| 18禁黄网站禁片午夜丰满| 国产亚洲精品av在线| 成人三级黄色视频| 免费观看的影片在线观看| 99精品在免费线老司机午夜| 午夜影院日韩av| 欧美激情在线99| 黄色丝袜av网址大全| 国产亚洲精品久久久久久毛片| 精品乱码久久久久久99久播| 国产视频内射| 国产毛片a区久久久久| 免费av毛片视频| 亚洲成av人片免费观看| 国产成+人综合+亚洲专区| 国产一区二区在线观看日韩 | 熟女人妻精品中文字幕| 少妇熟女aⅴ在线视频| 日本 av在线| 禁无遮挡网站| 国产伦在线观看视频一区| 成人三级黄色视频| 青草久久国产| 国产亚洲精品一区二区www| 精华霜和精华液先用哪个| 中亚洲国语对白在线视频| 久久国产精品人妻蜜桃| 最好的美女福利视频网| www.www免费av| 日韩大尺度精品在线看网址| 国产av在哪里看| 日本a在线网址| 国产精品 欧美亚洲| 精品国产超薄肉色丝袜足j| АⅤ资源中文在线天堂| 中国美女看黄片| 国产美女午夜福利| 国产精品 欧美亚洲| 黑人操中国人逼视频| 色哟哟哟哟哟哟| 久久精品国产亚洲av香蕉五月| 免费大片18禁| 无人区码免费观看不卡| 免费观看精品视频网站| 中文亚洲av片在线观看爽| av欧美777| 国产伦人伦偷精品视频| 免费在线观看亚洲国产| 99精品在免费线老司机午夜| 成年女人看的毛片在线观看| 他把我摸到了高潮在线观看| 69av精品久久久久久| 欧美黄色淫秽网站| 亚洲av片天天在线观看| 午夜视频精品福利| 美女黄网站色视频| 欧美在线一区亚洲| 老司机午夜福利在线观看视频| 黑人操中国人逼视频| 亚洲精品在线观看二区| АⅤ资源中文在线天堂| 青草久久国产| 制服人妻中文乱码| 亚洲精品一卡2卡三卡4卡5卡| 巨乳人妻的诱惑在线观看| 99国产综合亚洲精品| 女警被强在线播放| 精品日产1卡2卡| 亚洲午夜理论影院| 成人高潮视频无遮挡免费网站| 12—13女人毛片做爰片一| 国产伦精品一区二区三区视频9 | 亚洲乱码一区二区免费版| 欧美黄色片欧美黄色片| 亚洲国产精品成人综合色| 成人欧美大片| av福利片在线观看| 国产精品精品国产色婷婷| 欧美国产日韩亚洲一区| 免费看a级黄色片| 日本免费a在线| 国产又黄又爽又无遮挡在线| 亚洲欧美日韩无卡精品| 1024手机看黄色片| 免费看光身美女| 99精品欧美一区二区三区四区| 国产成人一区二区三区免费视频网站| 国产视频一区二区在线看| 视频区欧美日本亚洲| 欧美极品一区二区三区四区| 波多野结衣高清无吗| a级毛片在线看网站| 99久久精品一区二区三区| 精品一区二区三区视频在线观看免费| 国产成人福利小说| 国产激情久久老熟女| 欧美绝顶高潮抽搐喷水| 欧美黄色片欧美黄色片| 精品午夜福利视频在线观看一区| 老熟妇仑乱视频hdxx| 欧美成人性av电影在线观看| 午夜日韩欧美国产| 亚洲精品美女久久久久99蜜臀| 成人性生交大片免费视频hd| 欧美日韩综合久久久久久 | 国产激情久久老熟女| 亚洲专区中文字幕在线| 国产成人影院久久av| 韩国av一区二区三区四区| 亚洲激情在线av| 精品一区二区三区四区五区乱码| 国产一区二区三区视频了| 男女之事视频高清在线观看| 一区二区三区国产精品乱码| 国产男靠女视频免费网站| 听说在线观看完整版免费高清| 国产精品美女特级片免费视频播放器 | 国产又黄又爽又无遮挡在线| 亚洲欧美日韩东京热| 五月伊人婷婷丁香| 91av网站免费观看| x7x7x7水蜜桃| 精品国内亚洲2022精品成人| 日韩人妻高清精品专区| 中文字幕熟女人妻在线| av女优亚洲男人天堂 | 久久精品综合一区二区三区| bbb黄色大片| 天堂网av新在线| 午夜两性在线视频| 亚洲美女视频黄频| av视频在线观看入口| 久久久久国产一级毛片高清牌| 国产免费男女视频| 欧美又色又爽又黄视频| 午夜福利免费观看在线| 桃红色精品国产亚洲av| 在线播放国产精品三级| 757午夜福利合集在线观看| 久久香蕉精品热| 日韩欧美三级三区| 黄片大片在线免费观看| 国产 一区 欧美 日韩| 欧美日韩综合久久久久久 | 美女 人体艺术 gogo| 精品不卡国产一区二区三区| 亚洲黑人精品在线| 9191精品国产免费久久| 亚洲中文av在线| 久久午夜综合久久蜜桃| 黄色女人牲交| 少妇的丰满在线观看| 老汉色∧v一级毛片| 国产成人精品无人区| 一级毛片高清免费大全| 变态另类丝袜制服| 天堂网av新在线| 热99在线观看视频| 老司机福利观看| 欧美又色又爽又黄视频| 99国产精品一区二区蜜桃av| www.熟女人妻精品国产| 老司机在亚洲福利影院| 国产蜜桃级精品一区二区三区| 日韩高清综合在线| 精品一区二区三区av网在线观看| 国产99白浆流出| 久久久水蜜桃国产精品网| 非洲黑人性xxxx精品又粗又长| 欧美乱色亚洲激情| 亚洲欧美日韩无卡精品| 国产成人精品无人区| 级片在线观看| 不卡一级毛片| 90打野战视频偷拍视频| 精品无人区乱码1区二区| 亚洲自偷自拍图片 自拍| 亚洲成人中文字幕在线播放| 69av精品久久久久久| 精品久久久久久久久久免费视频| 国产精品久久久久久亚洲av鲁大| 母亲3免费完整高清在线观看| 国产亚洲精品综合一区在线观看| 久久香蕉国产精品| 夜夜躁狠狠躁天天躁| 国产伦精品一区二区三区视频9 | 日日夜夜操网爽| 国产精品免费一区二区三区在线| 丰满人妻熟妇乱又伦精品不卡| 美女大奶头视频| 亚洲人与动物交配视频| 国内少妇人妻偷人精品xxx网站 | 国产一区在线观看成人免费| 高清毛片免费观看视频网站| 日韩国内少妇激情av| 欧美一区二区国产精品久久精品| 亚洲欧美日韩高清在线视频| 国产精品一区二区三区四区久久| 91老司机精品| 久久久成人免费电影| 老司机福利观看| 亚洲美女黄片视频| 国内精品久久久久久久电影| 日韩欧美国产一区二区入口| 午夜激情欧美在线| 日韩欧美国产一区二区入口| 午夜激情欧美在线| 久久欧美精品欧美久久欧美| x7x7x7水蜜桃| 精品人妻1区二区| 久99久视频精品免费| 精品一区二区三区视频在线观看免费| 国产亚洲精品久久久com| av天堂中文字幕网| 久久久久国内视频| 中文亚洲av片在线观看爽| 天天躁日日操中文字幕| 一个人看的www免费观看视频| 亚洲精品中文字幕一二三四区| 国产亚洲精品av在线| 久久久久久国产a免费观看| 久久久精品大字幕| 免费高清视频大片| 啦啦啦观看免费观看视频高清| 宅男免费午夜| 黑人欧美特级aaaaaa片| 日韩欧美三级三区| 精品一区二区三区av网在线观看| 色吧在线观看| 久久久精品大字幕| 久久久水蜜桃国产精品网| 淫妇啪啪啪对白视频| 他把我摸到了高潮在线观看| 一本精品99久久精品77| 美女黄网站色视频| 亚洲天堂国产精品一区在线| 久久久久久久久久黄片| 国产 一区 欧美 日韩| 免费av毛片视频| 国内久久婷婷六月综合欲色啪| 男人舔女人下体高潮全视频| 欧美日韩亚洲国产一区二区在线观看| 最新中文字幕久久久久 | 人人妻,人人澡人人爽秒播| 国产成人aa在线观看| 日韩欧美 国产精品| 毛片女人毛片| 国产一区二区三区视频了| 日本一二三区视频观看| 亚洲熟女毛片儿| 国产成人影院久久av| 在线观看免费视频日本深夜| 久久性视频一级片| 身体一侧抽搐| 国产成人aa在线观看| 国产精品综合久久久久久久免费| 99久久国产精品久久久| av中文乱码字幕在线| 亚洲人与动物交配视频| 最好的美女福利视频网| 99久国产av精品| 亚洲国产精品999在线| 美女高潮的动态| 久久久国产欧美日韩av| 成年女人毛片免费观看观看9| 亚洲成人精品中文字幕电影| 99久国产av精品| 美女午夜性视频免费| 欧美成人免费av一区二区三区| 啦啦啦免费观看视频1| 成熟少妇高潮喷水视频| 在线永久观看黄色视频| 中文字幕最新亚洲高清| 欧美黑人欧美精品刺激| 人妻丰满熟妇av一区二区三区| 十八禁网站免费在线| 国产探花在线观看一区二区| 欧美性猛交黑人性爽| 午夜日韩欧美国产| 一个人免费在线观看电影 | 99riav亚洲国产免费| 久久香蕉精品热| 国产精华一区二区三区| 日韩欧美 国产精品| 可以在线观看的亚洲视频| 国内少妇人妻偷人精品xxx网站 | 久久精品国产清高在天天线| 99热这里只有是精品50| 亚洲精品国产精品久久久不卡| 日日摸夜夜添夜夜添小说| 国产一区二区激情短视频| 精品久久久久久久人妻蜜臀av| a级毛片a级免费在线| 午夜日韩欧美国产| 一夜夜www| 国产精品国产高清国产av| 久久亚洲真实| 日本黄色视频三级网站网址| 熟女人妻精品中文字幕| 亚洲自拍偷在线| 欧美成人免费av一区二区三区| av欧美777| 国产高清videossex| 97超视频在线观看视频| 日日摸夜夜添夜夜添小说| 亚洲av电影在线进入| 一本综合久久免费| 久久亚洲真实| 欧美日韩黄片免| 成人性生交大片免费视频hd| 最好的美女福利视频网| 亚洲国产中文字幕在线视频| 99热只有精品国产| 中文字幕高清在线视频| 亚洲欧美一区二区三区黑人| av天堂中文字幕网| 亚洲国产色片| 女人高潮潮喷娇喘18禁视频| 色av中文字幕| 97超视频在线观看视频| 一区二区三区国产精品乱码| 日本a在线网址| 国产精品一区二区精品视频观看| 久久午夜亚洲精品久久| 好男人电影高清在线观看| 两人在一起打扑克的视频| 97人妻精品一区二区三区麻豆| 欧美极品一区二区三区四区| 精品乱码久久久久久99久播| 成人精品一区二区免费| 亚洲精品中文字幕一二三四区| 国产精品99久久99久久久不卡| 桃红色精品国产亚洲av| 男人舔女人的私密视频| 国产成人欧美在线观看| 国产欧美日韩一区二区三| 亚洲在线观看片| 欧美一区二区国产精品久久精品| 日本熟妇午夜| 丝袜人妻中文字幕| 男人舔女人的私密视频| 亚洲欧美精品综合久久99| 久久久成人免费电影| 精品国产乱子伦一区二区三区| 成人特级av手机在线观看| 亚洲专区字幕在线| 免费看十八禁软件| 日韩人妻高清精品专区| 亚洲欧美精品综合久久99| 欧美午夜高清在线| 亚洲av中文字字幕乱码综合| 最近最新中文字幕大全免费视频| 女同久久另类99精品国产91| 国产成人aa在线观看| 欧美av亚洲av综合av国产av| 午夜久久久久精精品| АⅤ资源中文在线天堂| 国产免费男女视频| www.www免费av| 精品免费久久久久久久清纯| 亚洲午夜精品一区,二区,三区| 男插女下体视频免费在线播放| 国产爱豆传媒在线观看| 久久草成人影院| 国产精品久久久久久精品电影| 精品一区二区三区av网在线观看| 最近视频中文字幕2019在线8| 成人国产综合亚洲| 1024手机看黄色片| 亚洲欧美日韩无卡精品| 国产aⅴ精品一区二区三区波| 国产亚洲欧美在线一区二区| 又黄又爽又免费观看的视频| 给我免费播放毛片高清在线观看| 午夜福利在线在线| 欧洲精品卡2卡3卡4卡5卡区| 哪里可以看免费的av片| 老司机深夜福利视频在线观看| 天天躁日日操中文字幕| 999精品在线视频| 国产成人一区二区三区免费视频网站| 国产又色又爽无遮挡免费看| 国产高清三级在线| 久久久精品欧美日韩精品| 成年版毛片免费区| 欧美日韩福利视频一区二区| 99re在线观看精品视频| 亚洲欧美日韩高清在线视频| 国产黄色小视频在线观看| 国产亚洲精品久久久久久毛片| 亚洲人与动物交配视频| 最新中文字幕久久久久 | avwww免费| 人妻丰满熟妇av一区二区三区| 久久中文字幕一级| 亚洲成人免费电影在线观看| 很黄的视频免费| av欧美777| 国产探花在线观看一区二区| 亚洲七黄色美女视频| 成年女人看的毛片在线观看| 成人鲁丝片一二三区免费| 亚洲激情在线av| 色综合婷婷激情| 99久久无色码亚洲精品果冻| 日本免费一区二区三区高清不卡| 久久久久国产一级毛片高清牌| 国产91精品成人一区二区三区| 国产成人精品久久二区二区免费| 最近最新免费中文字幕在线| 亚洲专区中文字幕在线| 午夜成年电影在线免费观看| 久久久久久国产a免费观看| 国产毛片a区久久久久| 1024手机看黄色片| 99re在线观看精品视频| 国产探花在线观看一区二区| 国产成人精品久久二区二区91| 欧美日韩黄片免| 成年女人毛片免费观看观看9| 国产欧美日韩一区二区三| 午夜日韩欧美国产| 亚洲精华国产精华精| 成人国产一区最新在线观看| 校园春色视频在线观看| 亚洲国产欧美人成| 国产精品99久久99久久久不卡| 国产成人aa在线观看| 日本 av在线| 一级毛片高清免费大全| 国产精品久久视频播放| 日本五十路高清| 欧美大码av| 叶爱在线成人免费视频播放| 精品国产亚洲在线| 精品久久蜜臀av无| 老汉色av国产亚洲站长工具| 日韩精品中文字幕看吧| 亚洲成人久久爱视频| 日本 av在线| 小蜜桃在线观看免费完整版高清| 午夜福利在线观看吧| 婷婷精品国产亚洲av在线| 午夜久久久久精精品| 国产精品女同一区二区软件 | 狂野欧美白嫩少妇大欣赏| 久久精品夜夜夜夜夜久久蜜豆| 国产1区2区3区精品| 色播亚洲综合网| 伊人久久大香线蕉亚洲五| 国产精品永久免费网站| 国产精品精品国产色婷婷| 夜夜看夜夜爽夜夜摸| 国产单亲对白刺激| 天堂√8在线中文| 在线十欧美十亚洲十日本专区| av女优亚洲男人天堂 | 国产激情欧美一区二区| 嫩草影院入口| 人人妻人人澡欧美一区二区| 亚洲人成网站高清观看| av视频在线观看入口| 大型黄色视频在线免费观看| 亚洲欧洲精品一区二区精品久久久| 成在线人永久免费视频| 国产99白浆流出| 亚洲av电影不卡..在线观看| 亚洲av日韩精品久久久久久密| 精品不卡国产一区二区三区| 欧美3d第一页| 久久精品影院6| 成年版毛片免费区| 老司机午夜十八禁免费视频| 88av欧美| 亚洲av五月六月丁香网| x7x7x7水蜜桃| 深夜精品福利| 曰老女人黄片| 在线看三级毛片| 国产高清视频在线观看网站| 老熟妇乱子伦视频在线观看| 很黄的视频免费| 国产成年人精品一区二区| 国产毛片a区久久久久| 美女 人体艺术 gogo| 亚洲,欧美精品.| 又黄又爽又免费观看的视频| 在线免费观看不下载黄p国产 | 小蜜桃在线观看免费完整版高清| 性色avwww在线观看| 97人妻精品一区二区三区麻豆| 99久久精品一区二区三区| 这个男人来自地球电影免费观看| 欧美av亚洲av综合av国产av| 99久久精品一区二区三区| 性色avwww在线观看| av国产免费在线观看| 中文字幕高清在线视频| 久久九九热精品免费| 亚洲国产看品久久| 9191精品国产免费久久| 亚洲色图 男人天堂 中文字幕| 久久这里只有精品中国| 亚洲无线观看免费| 99精品久久久久人妻精品| 香蕉av资源在线| 欧美日韩瑟瑟在线播放| 非洲黑人性xxxx精品又粗又长| 国产成年人精品一区二区| 国产伦一二天堂av在线观看| 亚洲五月天丁香| 日韩免费av在线播放| 91麻豆av在线| 天堂动漫精品|