1、熱力學主要是以能量轉化的角度來來對物質的熱性質進行研究，揭示能量在進行形式轉化時所遵從的規(guī)律。熱力學是從物資的宏觀視角出發(fā)，對宏觀的現(xiàn)象進行總結而得到的理論。熱力學對于粒子問的相互作用和微觀結構是不涉及的，因此，熱力學是一種基于唯象的宏觀理論，具有普遍性和可靠性的特點。一些熱現(xiàn)象宏觀過程是不可逆的，相應態(tài)函數(shù)是熵，熵的變化及大小既指明熱力學過程進行的方向又反映系統(tǒng)的穩(wěn)定性。
　　 遺傳算法是一種模擬生物進化過程來求解函數(shù)優(yōu)化問題

2、的有效算法，它不依賴于問題具體的領域，對各類問題具有很強的魯棒性，廣泛的應用于很多學科。在遺傳算法中選擇算子是其中的影響因素之一，在大自然生物進化過程中，適者生存，優(yōu)生劣汰，所有物種的進化都是基于這一原則。因此，遺傳算法里的選擇算子將決定群體的搜索方向，選擇算子及其相關的參數(shù)的設計是否合理，將直接對算法的搜索效率和收斂性產生影響。
　　 由熱力學定律可知，對于與周圍環(huán)境進行熱量交換且保持溫度不變的封閉系統(tǒng)來說，系統(tǒng)總是朝著自由能

3、減少的方向演化，當系統(tǒng)達到穩(wěn)定狀態(tài)時，系統(tǒng)自由能在此時達到最小。因此，我們將遺傳算法中的群體作為一個熱力學系統(tǒng)，在優(yōu)化中引入能量、溫度和熵的概念，通過模擬熱力學中熵與能量的競爭協(xié)調平衡“選擇壓力”與“種群多樣性”之間的競爭壓力。
　　 基于這一認識，本文致力于將熱力學和遺傳算法相結合，用來解決約束單目標優(yōu)化問題、約束多目標優(yōu)化問題，以及用來解決在較大的突發(fā)事件中應急物資調度的問題，具有一定的現(xiàn)實意義，本文的工作如下：
　　

4、 (1)受自由能極小化原理的啟發(fā)，設計了基于熱力學操作的混合算法框架，用來求解約束單目標優(yōu)化問題的熱力學遺傳算法，并通過實驗證明了其有效性。
　　 (2)受熱力學系統(tǒng)中熵與能量的競爭關系的啟發(fā)，設計了熱力學混合遺傳算法用于解決約束多目標函數(shù)優(yōu)化問題，通過設計熱力學算子來保持種群多樣性與逼近性之間的平衡，通過初精英選擇策略來提高初始種群的質量，采用分層小生境的選擇策略，最后通過實驗對算法的有效性進行了驗證。
　　 (3)