遺傳演算法實現機器人撿易拉罐

『壹』 東北小伙用易拉罐造出機器人的視頻走紅網路，你見過哪些有趣的民間手藝

這樣的民間手藝有很多，用廢舊輪胎做出動物模型，新疆大叔製作雪牛，用瓜子皮擺出各種各樣的畫，栩栩如生，惟妙惟肖。

這個東北小夥子也是一個人才，因為受到偶像主演的競技類電視劇的影響，所以他自己也造出了一個易拉罐機器人。

這個視頻迅速在網路走紅，大家紛紛點贊這個東北小伙，看來偶像的力量也是非常大，完全可以起到積極正能量的引導。

湖南衡陽的小夥子是做汽車行業的，春節在家，他就邊嗑瓜子，邊擺圖案，這一擺不要緊，還讓他成了名人，什麼孫悟空，劉德華，老鷹，獅子等等，什麼都出來了。

據說這個小夥子弄這些東西，少則一幅作品幾個小時，多則一天，他還准備把這些作品裱起來，掛在客廳和卧室。

我個人覺得劉德華那幅作品製作得很像，用瓜子皮製作畫很有新意，真是一個了不起的人。

網路普及的當下，越來越多的民間大人從幕後走到台前，很多人都成了網紅，讓大家看到他們的精彩，這也是了不起的事啊。

我周圍也有很多這樣的達人，有人把酒瓶製作花盆，非常漂亮，一個工藝花盆也賣了很貴的價錢，這些都是把興趣愛好變成商品的例子。

『貳』 請問什麼是遺傳演算法，並給兩個例子

遺傳演算法(Genetic Algorithm, GA)是近幾年發展起來的一種嶄新的全局優化演算法，它借
用了生物遺傳學的觀點，通過自然選擇、遺傳、變異等作用機制，實現各個個體的適應性
的提高。這一點體現了自然界中"物競天擇、適者生存"進化過程。1962年Holland教授首次
提出了GA演算法的思想，從而吸引了大批的研究者，迅速推廣到優化、搜索、機器學習等方
面，並奠定了堅實的理論基礎。 用遺傳演算法解決問題時，首先要對待解決問題的模型結構
和參數進行編碼，一般用字元串表示，這個過程就將問題符號化、離散化了。也有在連續
空間定義的GA(Genetic Algorithm in Continuous Space, GACS)，暫不討論。

一個串列運算的遺傳演算法(Seguential Genetic Algoritm, SGA)按如下過程進行：

(1) 對待解決問題進行編碼；
(2) 隨機初始化群體X(0):=(x1, x2, … xn)；
(3) 對當前群體X(t)中每個個體xi計算其適應度F(xi)，適應度表示了該個體的性能好
壞；
(4) 應用選擇運算元產生中間代Xr(t)；
(5) 對Xr(t)應用其它的運算元，產生新一代群體X(t+1)，這些運算元的目的在於擴展有限
個體的覆蓋面，體現全局搜索的思想；
(6) t:=t+1；如果不滿足終止條件繼續(3)。
GA中最常用的運算元有如下幾種：
(1) 選擇運算元(selection/reproction): 選擇運算元從群體中按某一概率成對選擇個
體，某個體xi被選擇的概率Pi與其適應度值成正比。最通常的實現方法是輪盤賭(roulett
e wheel)模型。
(2) 交叉運算元(Crossover): 交叉運算元將被選中的兩個個體的基因鏈按概率pc進行交叉
，生成兩個新的個體，交叉位置是隨機的。其中Pc是一個系統參數。
(3) 變異運算元(Mutation): 變異運算元將新個體的基因鏈的各位按概率pm進行變異，對
二值基因鏈(0,1編碼)來說即是取反。
上述各種運算元的實現是多種多樣的，而且許多新的運算元正在不斷地提出，以改進GA的
某些性能。系統參數(個體數n,基因鏈長度l,交叉概率Pc,變異概率Pm等)對演算法的收斂速度
及結果有很大的影響，應視具體問題選取不同的值。
GA的程序設計應考慮到通用性，而且要有較強的適應新的運算元的能力。OOP中的類的繼
承為我們提供了這一可能。
定義兩個基本結構：基因(ALLELE)和個體(INDIVIDUAL)，以個體的集合作為群體類TP
opulation的數據成員，而TSGA類則由群體派生出來，定義GA的基本操作。對任一個應用實
例，可以在TSGA類上派生，並定義新的操作。

TPopulation類包含兩個重要過程：
FillFitness: 評價函數，對每個個體進行解碼(decode)並計算出其適應度值，具體操
作在用戶類中實現。
Statistic: 對當前群體進行統計，如求總適應度sumfitness、平均適應度average、最好
個體fmax、最壞個體fmin等。

TSGA類在TPopulation類的基礎上派生，以GA的系統參數為構造函數的參數，它有4個
重要的成員函數：
Select: 選擇運算元，基本的選擇策略採用輪盤賭模型（如圖2）。輪盤經任意旋轉停止
後指針所指向區域被選中，所以fi值大的被選中的概率就大。
Crossover: 交叉運算元，以概率Pc在兩基因鏈上的隨機位置交換子串。
Mutation: 變異運算元，以概率Pm對基因鏈上每一個基因進行隨機干擾(取反)。
Generate: 產生下代，包括了評價、統計、選擇、交叉、變異等全部過程，每運行一
次，產生新的一代。

SGA的結構及類定義如下(用C++編寫)：
[code] typedef char ALLELE; // 基因類型
typedef struct{
ALLELE *chrom;
float fitness; // fitness of Chromosome
}INDIVIDUAL; // 個體定義

class TPopulation{ // 群體類定義
public:
int size; // Size of population: n
int lchrom; // Length of chromosome: l
float sumfitness, average;

INDIVIDUAL *fmin, *fmax;
INDIVIDUAL *pop;

TPopulation(int popsize, int strlength);
~TPopulation();
inline INDIVIDUAL &Indivial(int i){ return pop[i];};
void FillFitness(); // 評價函數
virtual void Statistics(); // 統計函數
};

class TSGA : public TPopulation{ // TSGA類派生於群體類
public:
float pcross; // Probability of Crossover
float pmutation; // Probability of Mutation
int gen; // Counter of generation

TSGA(int size, int strlength, float pm=0.03, float pc=0.6):
TPopulation(size, strlength)
{gen=0; pcross=pc; pmutation=pm; } ;
virtual INDIVIDUAL& Select();
virtual void Crossover(INDIVIDUAL &parent1, INDIVIDUAL &parent2,
INDIVIDUAL &child1, INDIVIDUAL &child2);
&child1, INDIVIDUAL &child2);
virtual ALLELE Mutation(ALLELE alleleval);
virtual void Generate(); // 產生新的一代
};
用戶GA類定義如下：
class TSGAfit : public TSGA{
public:
TSGAfit(int size,float pm=0.0333,float pc=0.6)
:TSGA(size,24,pm,pc){};
void print();
}; [/code]

由於GA是一個概率過程，所以每次迭代的情況是不一樣的；系統參數不同，迭代情況
也不同。在實驗中參數一般選取如下：個體數n=50-200，變異概率Pm=0.03, 交叉概率Pc=
0.6。變異概率太大，會導致不穩定。

參考文獻
● Goldberg D E. Genetic Algorithm in Search, Optimization, and machine

Learning. Addison-Wesley, Reading, MA, 1989
● 陳根社、陳新海，"遺傳演算法的研究與進展"，《信息與控制》，Vol.23,
NO.4, 1994, PP215-222
● Vittorio Maniezzo, "Genetic Evolution of the Topology and Weight Distri
bution of the Neural Networks", IEEE, Trans. on Neural Networks, Vol.5, NO
.1, 1994, PP39-53
● Xiaofeng Qi, Francesco Palmieri, "Theoretical Analysis of Evolutionary
Algorithms with an Infinite Population Size in Continuous Space. Part Ⅰ
l Networks, Vol.5, NO.1, 1994, PP102-119
● Xiaofeng Qi, Francesco Palmieri, "Theoretical Analysis of Evolutionary
Algorithms with an Infinite Population Size in Continuous Space. Part Ⅱ
al Networks, Vol.5, NO.1, 1994, PP102-119
● Gunter Rudolph, Convergence Analysis of Canonical Genetic Algorithms, I
EEE, Trans. on Neural Networks, Vol.5, NO.1, 1994, PP96-101
● A E Eiben, E H L Aarts, K M Van Hee. Gloable convergence of genetic alg
orithms: A Markov chain analysis. in Parallel Problem Solving from Nat
ure. H.-P.Schwefel, R.Manner, Eds. Berlin and Heidelberg: Springer, 1991
, PP4-12
● Wirt Atmar, "Notes on the Simulation of Evolution", IEEE, Trans. on Neu
ral Networks, Vol.5, NO.1, 1994, PP130-147
● Anthony V. Sebald, Jennifer Schlenzig, "Minimax Design of Neural Net Co
ntrollers for Highly Uncertain Plants", IEEE, Trans. on Neural Networks, V
ol.5, NO.1, 1994, PP73-81
● 方建安、邵世煌，"採用遺傳演算法自學習模型控制規則"，《自動化理論、技術與應
用》，中國自動化學會 第九屆青年學術年會論文集，1993, PP233-238
● 方建安、邵世煌，"採用遺傳演算法學習的神經網路控制器"，《控制與決策》，199
3,8(3), PP208-212
● 蘇素珍、土屋喜一，"使用遺傳演算法的迷宮學習"，《機器人》，Vol.16,NO.5,199
4, PP286-289
● M.Srinivas, L.M.Patnaik, "Adaptive Probabilities of Crossover and Mutat
ion", IEEE Trans. on S.M.C, Vol.24, NO.4, 1994 of Crossover and Mutation",
IEEE Trans. on S.M.C, Vol.24, NO.4, 1994
● Daihee Park, Abraham Kandel, Gideon Langholz, "Genetic-Based New Fuzzy
Reasoning Models with Application to Fuzzy Control", IEEE Trans. S. M. C,
Vol.24, NO.1, PP39-47, 1994
● Alen Varsek, Tanja Urbancic, Bodgan Filipic, "Genetic Algorithms in Con
troller Design and Tuning", IEEE Trans. S. M. C, Vol.23, NO.5, PP1330-13
39, 1993

『叄』 《智識分子》理性讀書產出

以我的理解本書主要是用經濟學和社會學的新思維來揭示現代社會的叢林法則，閱讀時我的想像回到了石器時代的某個場景，彷彿這個時代像那個時代一樣有這么幾種人：

與上三種人不同的是，他們雖足以謀生，但不僅於此，而對某種超越於人的存在抱有期望。作者在字里行間透著意氣，彷彿期望智識分子像英雄和聖賢那樣引領時代，又彷彿想做個精明人在世間游刃有餘。智識分子這個提法不是作者同人於野首創，但同人於野為它賦予了新的涵義，他/她得像極客一樣追求卓越技術，像英雄一般迸發創造，聖賢一般的塑造品格，智者一般的敏銳洞見，絕不滿足於其中一兩種。
那麼無論其主觀意願如何，人類這個群體總會產生新的命題——一方面是謀生存，一方面是謀發展。
我們知道歷史上環境變了，人類從狩獵社會過渡到農業社會，或許很快會再一次轉變：我們還知道富庶的文化未必勝於貧瘠的文化——在南方種水稻為生的九黎敗於在北方種粟的炎黃部落。
這裡面或許有某些客觀規律，但人是其中最重要的角色，智識分子的身影尤為重要。或許這個想像不恰當，或許看了這本書會想做一個智識分子，也有可能哪種人也不做，因為在心中已經有了目標和道路。
不管怎麼樣，本書提供的理論和思維相當有趣，實用的角度來說也可以讓你在面對信息社會時不至於成為井底之蛙而受人愚弄，它來源於作者在業余時間閱讀含各學科前沿思想的書籍而產生的心得，寫成文章再整理成書。這些思想不是哪個人一拍腦袋就得來的，而是有實實在在的研究，所以相當靠譜，也有些作者個人見解，不見得都成熟，對於思想態度應如書中所說——不妨試一試。
文章大部分在作者博客里發表過，值得再讀，我為每一篇都做了筆記。

現代社會的趨勢是復雜化、人工智慧化和階級分層，面對這三種趨勢有兩種選擇：做狐狸還是做刺蝟，智識分子要掌握刺蝟式思維：多長不同見識，多學不同認知方式，這樣能更善於做決策，也就是對未來能更准確的預判。

社會科學多數不靠譜，但它可能正處在大發展前夜，因為兩個因素：

有幾個心理學概念叫維特效應——模仿者效應，如模仿犯罪、模仿自殺，這些模仿不是因為自身原因，而是受外部影響的為了模仿而模仿，這種模仿使得原本與事件無關的人加入了事態的發展。因為每個人對於事態的敏感度有不同的閾值，最初只是一個小事件時如果恰好碰上了閾值低的人，它就有可能吸引越來越多的人加入事態發展，產生爆炸式的雪崩效應，因此有很大的偶然性。比如美國的校園槍擊現象。

經濟學或許很復雜，但經濟學思維很有用，可稱為智慧，本文說的經濟學五個智慧：

民主未必有效，因為選民通常處於一種無知、不負責任的理性。這是在普通人認為自己缺乏影響力因而也不願意深入了解政策、經濟的情況下由情感直覺來投票，這種直覺更多的是以「小故事」串情結來理解政治行為，所以的政客都善於講故事。選民對政府有期望，這種期望往往相互之間有矛盾，選民的期望與自己的實際行為也相悖。

沒有任何一個研究證明做道德上的好人與取得世俗的成功有關，那些成功者——指富人、企業家接觸起來非常有道德、有風度，善於跟人合作，但有研究表明這類人其實是非常自私、貪婪的人。也就是說成功跟自發的動力、跟慾望有關。不過做一個有道德的並非沒有好處，當然所謂的道德並非文化規矩，而是自發的不受外界條件影響甚至不受自身情感影響（如同情心）的道德，它的真實含義是積極主動，用原則來思考，這樣的人內心真正驕傲、自由，而且是一種不迎合他人的成功方式。

歧視有兩種，一種是敵意性質的，一種是經濟歧視，後一種越來越普遍，究其原因它是一種自利行為，它是在缺乏對個體具體了解的情況下先入為主的以群體印象代替個體印象，在經濟行為中通常對自己有利，比如售車員給黑人白人介紹不同價位的車——更容易成交免得浪費口水和時間。

道德是一種直覺反應，人的道德差異一定程度上和基因有關，就像大綱之於文章。喬納森·海特提出六個基本的道德模塊：

有點像儒家提出的「仁義禮智信"，每個人的這六種模塊的優先順序和敏感度不一樣，不同的政治意識形態也與這六模塊有關，也就是說政治意識形態可能一出生就註定了，如自由主義者對關愛、自由、公平模塊的認同度高，其他一般；保守主義者則六模塊認同度比較均衡；還有一類自由論者看上去比較極端：除了自由模塊認同度極高，其他的都非常低。

僅僅從其制度是否民主還是獨裁來觀察並不能解釋很多政治現象，有一個簡單的模型可以用來判斷一國或一組織的政治格局：首先有領導人，以他為中心由外而內分為三圍：最外圍為名義選民，他們名義上有選舉權和被選舉權，而實際上權力被代理，作為個體來說沒有任何影響力；夾心層為實際選民，那些真正對誰當領導人有影響力的人，在領導期間影響力弱化；核心層中心圍為勝利聯盟，他們是領導者維持權力運作而必須依賴的人，是權力結構中的關鍵人物。政治格局主要看領導人和勝利聯盟的關系：他們相互支持也相互對立，領導者本質上為勝利聯盟服務，但他有減小聯盟人數來最大化自身利益，以及強化替換聯盟者能力的天然沖動，而勝利聯盟也想擴大人數來鞏固各自的利益和權力還有安全感。長期政治生態要看名義選民和實際選民與領導者及其聯盟的關系。經濟發展促進民主化的作用也許就是人民在市場交換的過程中磨合、演化，越來越多人想要越來越多的權力——他們想要加入聯盟。

教育的一個核心功能是把人分類，而不是關心是不是自由選擇、公平競爭，是不是把學生培養成一個優秀的人。因為現代社會的運作方式就是大部分的工作是有門檻，不會放任無序競爭（誰願意拿低工資誰干），它需要穩定性、職業技能和些許士氣，因此越是高端的工作越是具有稀缺性，這個稀缺性傳遞到教育上變得像搞軍事競賽一樣，然而職位不會因為競爭之激烈而擴招，經濟也不會因為教育競賽而發展。事實上正是因為經濟發展教育才得以發展，因為經濟發展產生很多新就業機會，工作（分工）進一步拉大差異，進一步導致稀缺，也就是進一步加大了競爭。職業的差異和不同的稀缺性是貧富差距的主要原因之一，那麼同樣一個聰明學生，如果他出身家庭條件不錯，他有更多更好的機會，上不上名校其實影響不大，這樣更少的被應試教育捆綁，可以培養多樣化的能力。但對於低收入家庭來說，也許他一輩子唯一的機會就是上一所名校改變命運，那麼他更多的被應試教育綁定而能力單一，如此一來家庭條件很大程度上決定了下一代的收入水平。

看起來美國的常青藤學校相比中國的名校教育模式先進不少，無論是對職業還是人的身心發展，它們的學生及要求的入學者有豐富的興趣活動、社會實踐並獲得榮譽，還有其他各種能力。但實際上中美精英教育半斤八兩，因為上文所說的現代教育的核心是把人分類。精於此道者在中國被稱為精緻的利己主義者，在美國被稱為優秀的綿羊，各自疲於奔命，在中國刷考分值，在美國刷經驗值。之所以常青藤學校是這么一種教育模式，它源於過去美國的精英在搞階級固化，辦常青藤學校是讓自己的子弟培養素質、相互結交，當然逐漸的也會吸收一些別的血液，它們的原本目的是培養貴族，所有它要求的素質教育，如拉小提琴、擊劍等是面向上層社會的。作為私立學校，到現在美國的名校已經找到了一種很好的商業模式，重點是：排名（如重視錄取率）、科研（重視能產生直接經濟利益的應用科學）、錄取（重視薪水高的金融、律師等職業）和校友捐款，相比過去它反而更不重視教育本身了。

從社會的角度來說擺脫貧困單靠幫助就業、經濟援助、幫助其子女獲得更好的教育等手段恐怕不行，得多管齊下。貧困往往是和文化是一體的，文化影響人的思維方式、行為習慣，即便一個人想出人頭地，他的生活圈子也會給他潛移默化的負面影響，尤其是家庭方面，事實上這才是最大的問題。美國有一種教育叫KIPP，它隨機的抽取一些窮人家庭的孩子入學，實行半管制半激勵的教育方法，可概括為圍繞「一個中心兩個基本點」，中心指的是以考上大學為目的，兩個基本點一個努力學習，一個是好好做人。具體包括相比普通學校讓學生更多的時間在學校、更多的課外任務、全方位的獎勵制度。還包括普通學校不注重的品質教育，這些品質包括有堅毅、自控、熱忱、社交、感恩、樂觀、好奇。這些品質跟考大學沒有直接關系，但可以幫助學生更好的自覺、融入社會，養成長期的良好習慣。說起來也簡單，關鍵在於嚴格、細致的執行，嚴格到上課時一個小動作全班停下來幫助其改正，細致到在不同場合和老師、同學說話都有一套社交禮儀。這種教育其實是一種強化訓練，弱化學生來自家庭、生活環境的不良文化影響以及建立良好的身心習慣。這種教育很成功，它的學生大學入學率80%，而美國窮人平均才8%。

中國人說聖賢之道，美國人說神聖（holiness）品格，兩者異曲同工，本質上它是從漫長的人類歷史中識別出的（也可以說是理想的）的精英素質。有了品格可以更好的辦大事，無論是意識形態的引領，還是具體公共事務，有品格的人做到更好。聖賢不為自己謀私利，甚至放棄成就名聲的機會，這些也是品格的表現。西方思想中有一種「曲木傳統」教人如何培養品格，很像中國所說的「中庸」思想：首先認識到自身的缺陷，保持謙卑之心；剋制沖動，然後勿以惡小而為之，勿以善小而不為，一點一點的在實踐中形成；辦事不是簡單的一碗水端平，而是敏銳的關注各方信息，注意不同的訴求、沖突，尋找平衡點（也就是尋找最大公約數），隨時根據當前局勢作出臨時性的安排。既然聖賢之心能讓人信任，他的能力曲直靈活兼顧各方，辦事自然無往而不利。美國現在的主流文化是：Big Me，它表示一個人遵從自己內心的興趣、需求去做事情，實現自我，典型如喬布斯，但曲木之道不是如此，它意味著小我的犧牲，是被某種事業召喚而投身。現代社會相比過去對品格的尊崇減弱了，一個原因是物質極大豐富造成的，過去普通人也注重品格教育的原因是因為在物質稀奇的時代一個品行不端則代價高昂，現代社會對人的寬容度高得多。本文沒有探究為什麼要培養品格，或者做聖賢是什麼樣的體驗，普通人學習品格如果不是為了辦大事，至少也更不容易被公眾人物忽悠。

大數據預測就是成見預測，成見是對歷史必將重演的信心。如果一個人做事處處符合大數據預測，那麼他將被機器人取代，很不幸大部分人都如此，但有些人用統計模型卻預測不了，這類人可稱為英雄。現代社會的體制是工業流水線的模式，分層來看，越底層越需要規范，越頂層越強調靈活自由。還是以教育為例，分三個層次，分別對應三種階層的家庭：貧民家庭對應於培養工具，教育以找工作為目標；中產家庭對應於培養工藝品，目的為提高自身價值；上層家庭對應於培養主人翁，以選擇和改變世界為目的。下層教育遵循機械式流程，不需要理解，甚至不需要做對，而是熟練掌握過程。往上層逐漸有了一些方法、技巧，接著是注重獨創、靈活，最高級的教育培養決策能力，也就是決定做什麼不做什麼，分析為什麼這么做以及演練這么做的後果。這種教育結構使大多數人難以超越其上一輩的階層，更何況其中還有基因和環境對他的限制。再回到英雄，英雄就是異類，他可以不問出處，甚至他的出身比普通人還糟（調查了大量的歷史名人），身心有更大的缺陷，但正是因為困難沒有將其打敗，他成功改變自己，變得更強大，究其原因，是這類人身上有一種高級的內在動力——使命感。為什麼英雄如此耀眼？因為社會需要創新，創新需要信息，信息也就是意外，一個意外如果有了正反饋就能帶動進步，進步本質上是用一種新事物使得新需求代替舊需求。但創新有風險，所有英雄需要勇氣、毅力、智識和品格。

這個社會的多數人喜歡確定性，也就是喜歡可預期的回報，政府謀求穩定，娛樂業喜歡演老故事，高考作文題年年俗套：因為這樣那些努力的學生才更容易被選中。什麼樣的事件容易預計？是那些較少可能出現連鎖反應的簡單系統，但現代社會多數方面是個復雜系統，在這個系統中強調脆弱性就容易在黑天鵝事件中受損，當然也有人利用這個脆弱性受益。

網路高考作文主題預測准確率非常高，它的原理是什麼？是運用了一種主題模型技術，叫LDA（隱含狄利克雷分布），這種技術的思路是將文章看作是詞彙的集合，主題看作是一些關聯關鍵字的集合，主題和其關鍵字由人為的設定，然後用演算法分析一篇文章的不同主題關鍵字的出現頻率，計算出這篇文章是每種主題的概率，通過分析大量的文章，就知道哪些常用主題了，再結合今年的熱門信息，就可以預測今年的熱門主題。這種技術還可以用在圖片分類、歌曲推薦、新聞、劇本、游戲分析等。數據分析能讓好的東西更快的流行，也更快的消失，因為人在追逐潮流，也喜歡標新立異。

從不同的時空尺度思考相同對象往往會得到不同的結論，從小尺度現象出發往往解釋不了大尺度的問題，而當研究大尺度問題時小尺度現象一般可以簡化或忽略。研究大尺度問題其中有幾個關鍵因素——硬條件，指的是那些長期不變或變化緩慢的因素。比如中國兩千年華夷斗爭的硬條件是氣候和雨量，百萬年前原始人種之間斗爭的硬條件是基因，而10萬年前各大陸人類發展速度不同的硬條件是可馴化的動植物種類。人之所以為人有兩個硬條件，一個是創新，一個是分工，而這兩個硬條件又依賴於其他很多硬條件，如創新的關鍵是語言，它使得人能更清楚的知道自己在想什麼，導致有意識的創新，也更容易表達，以及人的壽命比生殖年齡長很多，知識得到更好的傳承。女人的生理上沒有發情期，這便於合作。進化充滿了偶然。

歷史雖然充滿偶然，但總有規律可循，可以預測大概率事件，這可以稱為大勢。技術就有某種大勢，很大程度上技術的大勢也決定了天下大勢，因為技術有幾個顯著效應：

技術的發展不受任何一人或一個小群體的控制，它的發展就像生物進化。有最新研究表明生物的進化並非完全隨機，而存在某種自組織的機制，使得基因變異有幾種特定的方向，表現為幾種特定排列組合模型，如不同物種身上的翅膀、眼睛乃至基本的DNA結構，這些特點結構在環境下有最好性能。如果模式是隨機出現的，那概率會像猴子打出一部小說那麼小，這種自組織可能是正反饋導致演化加速。技術也是這樣，如各種文明都是各自獨立發展起來的，先有石器後有火種，再接著出現刀。甚至某些技術出現的時間都有規律，20世紀就有很多某個技術幾乎同時被不同研究者發現的例子。因此一定程度上可以預測技術和社會趨勢，比如研究者RobertJervis發現歷史上進攻性武器技術和防守性武器技術是交替出現的，進攻性武器取得諸多會讓戰爭變得頻繁，因此他判斷互聯網是進攻性武器，因為它讓恐怖襲擊比反恐成本低得多，自然的恐怖襲擊會越來越頻繁。

本文根據作者自己學英語的經驗總結。學英語要爭取短時期內突破。先背單詞，一天拿幾個小時背300-600個，根據遺忘曲線一邊復習一遍背新，同時找大學英語課本之類的書每天精讀一篇其中的文章（上面有注釋和講解），體會語法和單詞用法。以上是基本功，基本功練完找當下新出版的精品英文書籍閱讀，最好要有趣點，聽力部分聽有聲書。這么做的用處是建立隱性知識，也就是將原來片段性的、理解不深的知識織成網，並深化到真實情境中。學完一門外語再學其他外言將快速得多了。

信息極客的基本功是會用搜索技巧。第一個功夫：閱讀學術論文；第二個功夫：閱讀原始數據；第三個功夫：主動採集和分析數據。信息極客用這些方式來長知識、當談資、思考和解決問題，同時也把它當作一種消遣娛樂。

本文分析的辯論是指氣勢上壓倒對方、口頭上讓人沒話講的辯論術，而非澄清事實解決問題，也非想為了說服對方。

相信或不相信這樣的信念意義在於給自己的決策提供依據，智識分子應該擁有復雜的、動態調整的信念體系。科學的判斷某個信念是否可靠，可以運用貝葉斯定理，這是一個公式： P(A|B)=P(B|A) P(A)/P(B) ，其中P(B) =P(B|A) P(A)+P(B|A ̅)*P(A ̅)，A ̅表示非A。

例子：
P(A)：燒香取得的高分的信念度，假設取15%；
P(B|A)：甲同學燒香並取得高分的概率，取80%；
P(B|A ̅)：甲同學未燒香並取得高分的概率，取50%。
則計算得出調整後的信念度P(A|B)=22%。
假如又有乙同學來燒香，則以原P(A|B)代入P(A)，再估算P(A)和P(B|A)，得到新的的P(A|B)，
以此類推。

進化心理學研究人身上的動物性，一般以人的本能為研究對象，和動物進行比較，尋找共性，以此來解釋人的行為。進化心理學還會研究人的看起來是文化性的行為，會研究一些意想不到的事實，將復雜問題簡單化，但更多的是解釋不了，這是社會、環境、文化對人的影響，很多現象是反進化心理學的，因此作者認為人受教育是為了超越進化心理，用理性克服本能。

從數學到物理，再到化學、電工機械，再到生物、醫學，再到經濟、政治、心理學......這些領域的知識可靠性逐漸降低，因為實驗的參數增多，系統復雜化。然而不靠譜的知識在日常生活中或許更有用，因為貼近生活。所有不要相信絕對真理，對所有理論都抱著可以試一試的態度。

刻奇是一種心理，也是一種社會現象，它的含義自媚，自我討好、自我感動。以《時間簡史》為例，這本書首版於1988年，內容已經過時，仍常駐在各大網上書店的熱銷榜，為人津津樂道，卻很難根據人們的談話來了解書中的內容，因為大部分人沒有讀懂它，甚至沒有讀超過全書6.6%的篇幅。作者提到了自己作為一個普通的物理學家的真實狀態與入行前想像的物理研究之間的落差。這不意味著內行不應該像外行普及知識，外行不應該談論內行知識，而是用正確的態度，刻奇就是一種不好的態度，正確的態度是多思考，閱讀的目的是為了收獲智慧和見識。

為什麼上世紀六七十年代載人航天如火如荼，五十年過去了怎麼感覺不進反退了呢？原因是載人航天巨耗國帑，通過計算無論是直接經濟收益還是間接經濟收益都遠小於投入，在載入航天上搞的科學實驗絕大多數也不必在載入航天上。所以載入航天其實是個形象工程，除了提升國民幸福感，向他國炫耀一下國力沒什麼別的大用。載入航天發展緩慢的根本原因是目前外太空還沒有讓人類獲得巨大經濟利益的資源，但如果一旦有了，人類探索外太空的模式將由鄭和下西洋轉換到大航海。

數字時代已經來臨，越來越多的公司開始用大數據技術去採集人身上的數據進行分析預測，覆蓋人的衣食住行方方面面，比如你在視頻網站的個性推薦、網上書店的推薦書單，搜索頁面上的個性廣告。它跟蹤進你家，在你找到一份工作是為你投遞消費品廣告，跟蹤進你從未去過的餐館直接遞給你喜歡的啤酒，等等，似乎相當不錯，但它也可以知道你為某個東西不在乎多花錢，比如這本《智識分子》相比它的前作《萬萬沒想到》，同樣的紙質和厚度售價貴了10塊錢，它在發售前在亞馬遜預定的價格比出版後直售的價格貴了5塊錢，所有說大數據或許可以讓人受益，也能讓人當冤大頭，還涉及到隱私、干擾等問題。在數字時代要不想當數字的奴隸就要學會玩數字。

技術進步通常解決了老問題，轉變了行業，創造新就業，也導致了相當一部分人失業。這個趨勢在IT技術的沖擊下進一步極端化了，IT提高了生產效率，對人的淘汰是空前的，像FaceBook、WhatsApp這樣的公司幾十幾百人管著幾億人的業務。IT意味著智能化，它不但淘汰低端職業，甚至也淘汰高端職業，很可能超出人的想像，如主動駕駛、智能翻譯、智能律師、智能醫生等等，在這種逐漸展開的與機器競爭的態勢下，只有少數人才是贏家，是那些高創造高技術的人、高魅力值的超級明星、資本家，贏家通吃，財富向更少的人集中，世界上的總工資買不起世界上的總產品，這可能是市場經濟的本質矛盾。

有知識、會找知識已經不值錢了，不久會用知識恐怕也不值錢了，因為這些機器都可以取代，看看最近的新聞：騰訊出了計算機自動編寫的新聞、IBM的智能系統「華生」給人問診，這些可能是危言聳聽，但不妨思考下這種趨勢下人還能剩什麼？或許只有創新，連這種能力機器都能部分的取代，用的是組合、進化、窮舉，在工業和制葯業非常常見，人都幹不了。再問人還有什麼？人有判斷能力，人有情感能力，只要機器還是為人服務的，人就有可能比它判斷更准確，人就有可能更喜歡人而不是機器。

對付智能化的機器不是杜絕它，也不是盡可能的讓它取代自己的工作，而是帶著機器競賽，利用機器的優勢，善於彌補它的不足，發揮人的長處，用它來訓練自己，也調教它看得更透更遠。2005年Playchess.com網站就舉辦了一次自由式國際象棋比賽，兩個業余選手使用三台普通電腦打敗了最強的棋手和最強的計算機成為冠軍。

恐怖主義、P2P、維基網路等符合一種叫去中心化的組織形態，它就像海星挖個洞切個角還能復原。這種組織形態非常原始，遠在國家產生之前。這樣的組織很難徹底消滅，也很難用它賺大錢干大事。那麼殺死「海星」有三種策略：

組織的意義在於降低交易成本，但組織為了自身的穩固需要增加管理成本，組織擴大又會增加交易成本，這是一個悖論，為解決這個悖論有很多種組織形態的嘗試，合弄制（Holacracy）是其中看起來很有前途的一種。它的理念來自生物學上「合弄結構」這個概念，核心以目的為向導，以事務功能為主，層層嵌套，分權與協作。具體為：先存在某個具體的目的聚起了一幫人，組成一個圈，共同辦事實現這個目的。圈有鏈長，決定拉人踢人，有完全的人事權，其他權力和圈成員一樣。圈可以子圈，子圈的功能是對圈功能的分解，由母圈的管制會議產生。管制會議由圈所有成員及子圈代表出席，討論和決定工作事務。子圈的結構和母圈一樣，子圈也可以有子子圈..層層嵌套，根據需要。一個圈的功能完成後即解散。每個人都可以在不同圈中承擔不同角色。合弄制的好處是靈活、多變、分權、法治化、主動化、透明和效率，實踐案例有謝天華的Zappos。holacracy.org是專門研究合弄制的網站。

什麼樣的才算最好的?未必是人工設計的，在一個未知的復雜系統中，存在即是最好，它是進化的產物。有科學家根據進化的原理研究出遺傳演算法，遺傳演算法可以用來設計產品，但設計的過程卻不是人來控制。Mitchell有一個研究遺傳演算法的例子：一個只有有限視力的機器用盡可能智能的策略在規定時間內在一堆房子里找到隨機散落的易拉罐並把它撿起來。主要原理是先隨機生成很多策略，然後放在多種模擬環境中測試，選出適應度高的隨機兩兩配對產生下一代（其中還隨機做了點修改當作基因變異），再放入模擬環境，如此循環很多代後得到理想結果，結果就是非常智能，甚至其中的子策略（基因）還能相互配合。遺傳演算法已經被廣泛應用於很多實際領域，如工程師用它設計天線，形狀奇怪，非常好使，卻不能解釋它為什麼好使。市場經濟可以說深諳進化之道，公司隨機生成、變異、交配，不斷創新，也不斷淘汰。

本文提倡一種消費主義精神。投資和經濟增長是非線性關系。自動化導致生產能力提高、產出增加，市場趨向飽和，勞動力減少，工資減少，投資務須加大，剩餘利潤無合理去處，產生泡沫和金融危機。這是一個物質極度豐富的時代，機器和財富賦予普通人更多的自由，生產和消費不應該為了升值，而是為了使用價值，也就是消費為了擴大消費，搞財富再分配，投資社會化（追求使用價值），它的好處什麼呢？更多的物質和精神生活，更多的民主和自由，促進科學、文化、藝術的發展，背後是人的進步，社會的進步。似乎很理想，但是如何合理的財富再分配？如何有效的社會化投資？是個大問題，消費主義也未必促進人的進步。

『肆』 遺傳演算法的並行演算法該怎麼實現

Matlab裡面實現並行很簡單，只需要把for改成parfor就行了。

首先需要啟動並行機器人，電腦有幾個CPU就能啟用幾個，超過CPU核心數會報錯。

matlabpoollocal2

最後記得關閉

matlabpoolclose

使用parfor需要注意，循環中間不能有迭代，只能是單純的計算，比如計算目標函數值。

『伍』 柱面坐標機器人要學什麼演算法

咨詢記錄 · 回答於2021-10-28

『陸』 什麼是機器人學習

1. 機器人能自己學習。前提條件是工程師設置了讓機器人自己學習的程序。
   

2. 機器人有自己的思維。它的思維是程序模式，即工程師設計的機器人思維模式。

3. 自己學習的實現：比如語言學習，分基礎學習和隨機學習。基礎學習是讓機器人首先具備特定的幾種程序語言，當工作中遇到不懂或無法解釋的程序語言時，就自動選擇其它種類的程序語言，即基礎學習。隨機學習，指機器人在工作中，可以隨機學習人們給它指定的程序語言或邏輯判斷。比如機器人自己學唱歌，需要人先唱一遍，機器人可以用數模轉換器，將模擬的聲音信號轉換成數字信號，然後將數字信號經過演算法壓縮，存儲在隨機存儲器里，這樣人只要唱一遍，機器人立即就學會了。其實這就是在數碼錄音機原理的基礎上，賦予機器人的一個功能。區別於錄音機的機器人自己學習，是機器人還必須具備各種感應、感知、回答與控制的系統，以適應和人類交流的習慣。
   

『柒』 《Java遺傳演算法編程》pdf下載在線閱讀全文，求百度網盤雲資源

《Java遺傳演算法編程》網路網盤pdf最新全集下載:
鏈接: https://pan..com/s/1l6_14X1Yhcgv8kYwHqyY2g

『捌』 遺傳演算法具體應用

1、函數優化

函數優化是遺傳演算法的經典應用領域，也是遺傳演算法進行性能評價的常用算例，許多人構造出了各種各樣復雜形式的測試函數：連續函數和離散函數、凸函數和凹函數、低維函數和高維函數、單峰函數和多峰函數等。

2、組合優化

隨著問題規模的增大，組合優化問題的搜索空間也急劇增大，有時在目前的計算上用枚舉法很難求出最優解。對這類復雜的問題，人們已經意識到應把主要精力放在尋求滿意解上，而遺傳演算法是尋求這種滿意解的最佳工具之一。

此外，GA也在生產調度問題、自動控制、機器人學、圖象處理、人工生命、遺傳編碼和機器學習等方面獲得了廣泛的運用。

3、車間調度

車間調度問題是一個典型的NP-Hard問題，遺傳演算法作為一種經典的智能演算法廣泛用於車間調度中，很多學者都致力於用遺傳演算法解決車間調度問題，現今也取得了十分豐碩的成果。

從最初的傳統車間調度（JSP）問題到柔性作業車間調度問題（FJSP），遺傳演算法都有優異的表現，在很多算例中都得到了最優或近優解。

(8)遺傳演算法實現機器人撿易拉罐擴展閱讀：

遺傳演算法的缺點

1、編碼不規范及編碼存在表示的不準確性。

2、單一的遺傳演算法編碼不能全面地將優化問題的約束表示出來。考慮約束的一個方法就是對不可行解採用閾值，這樣，計算的時間必然增加。

3、遺傳演算法通常的效率比其他傳統的優化方法低。

4、遺傳演算法容易過早收斂。

5、遺傳演算法對演算法的精度、可行度、計算復雜性等方面，還沒有有效的定量分析方法。

『玖』 復雜的目錄

前言
致謝
第一部分 背景和歷史
第1章 復雜性是什麼
昆蟲群落
大腦
免疫系統
經濟
萬維網
復雜系統的共性
如何度量復雜性
第2章 動力學、混沌和預測
動力系統理論的起源
對預測的重新認識
線性兔子和非線性兔子
邏輯斯蒂映射
混沌的共性
混沌思想帶來的革命
第3章 信息
信息是什麼
能量、功、熵
麥克斯韋妖
統計力學提要
微觀態與宏觀態
香農信息
第4章 計算
什麼是計算？什麼可以計算
希爾伯特問題和哥德爾定理
圖靈機和不可計算性
定義為圖靈機的明確程序
通用圖靈機
圖靈對判定問題的解決
哥德爾和圖靈的命運
第5章 進化
達爾文之前的進化觀念
達爾文理論的起源
孟德爾和遺傳律
現代綜合
對現代綜合的挑戰
第6章 遺傳學概要
第7章 度量復雜性
用大小度量復雜性
用熵度量復雜性
用演算法信息量度量復雜性
用邏輯深度度量復雜性
用熱力學深度度量復雜性
用計算能力度量復雜性
統計復雜性
用分形維度量復雜性
用層次性度量復雜性
第二部分 計算機中和生命和進化
第8章 自我復制的計算機
生命是什麼
計算機中的自我復制
自我復製程序的深層意義
DNA的自我復制
馮·諾依曼的自製自動機
馮·諾依曼
第9章 遺傳演算法
遺傳演算法菜譜
遺傳演算法的應用
進化的羅比，易拉罐清掃機器人
GA演化的策略是如何解決這個問題
GA是如何演化出好的技巧的
第三部分 大寫的計算
第四部分 網路
第五部分 尾聲
參考文獻

『拾』 說明文作文

在平凡的學習、工作、生活中，大家都經常看到作文的身影吧，藉助作文人們可以實現文化交流的目的。作文的注意事項有許多，你確定會寫嗎？以下是我為大家整理的說明文作文6篇，供大家參考借鑒，希望可以幫助到有需要的朋友。

說明文作文 篇1

我家有隻活潑的小狗，它長著雪白雪白的毛，只有額頭上是淡褐色的，它有又尖又長的嘴巴，鋒利的牙齒和爪子，又紅又濕的鼻子，三角形的耳朵，明亮的大眼睛，美麗極了。我給小狗起了個名字，叫歡歡。雖然歡歡這么調皮，但我還是一如既往地喜歡它。

歡歡的性格和名字一樣，非常的歡快、活潑，每當我放學回到家，歡歡就會一下子沖出來，在我的雙腳之間來回的磨蹭來，磨蹭去，甚至朝我撲過來，要我抱。之後，媽媽就找了個我們不用的小桌子，把歡歡放上去，快放學了，歡歡就坐在桌子上，抬頭遙望著學校的大門，那雙憂郁的眼神，好像在說：「小主人，你什麼時候才放學？我在家裡等著你回來陪我玩呢！」

放學了，同學們列隊走出校門，歡歡就一個人一個人的看著，看啊看，彷彿在找誰是我的小主人，當它看到了我，歡歡只能搖著尾巴，四隻小腳不停的跺來跺去，非常興奮，好像在說：「小主人，你總算回來了，我等你等了大半天了！」可惜它在桌子上，不能撲過來和我玩了。

現在，歡歡長大了，比原來更加的活潑了，每次拿掃把掃地或拿拖把拖地，就會撲過來，緊咬不放，還把頭東甩西甩，爭強好勝，我們怎麼拉也拉不出來，以前有一把拖把被小狗咬爛了；現在我們把掃把提得高高的，小狗見了，就想跳起來咬，當他跳的那一瞬間，我們驚呆了，沒想到歡歡能跳得這么高，真是太厲害了。還有呢！爸爸把一條繩子，掛在牆上，歡歡看見了，輕輕一跳，一口咬著了，一直往下拉，棉繩一會兒向上一迴向下，可好玩了！

說明文作文 篇2

現在生活水平高了，生活也富裕了，家家戶戶都有了電腦，但是應該怎樣使用電腦呢？使用電腦的時候須注意什麼？這些就不是人人都明白的了。

首先，我們要學會正確的開機和關機。開機，要先打開顯示屏，再打開電源。待顯示屏上出現反應後，再將主機上最大的按鈕按下，在這期間不要按動鍵盤，否則對電腦是不利的，甚至有死機的危險，等到游標變成小箭頭之後，才能進行下一步操作。關機，先將打開的文件和網頁全部關掉，之後點擊桌面右下角的「開始」，屏幕上會出現三個按鈕，待機，關閉，重新啟動，點擊「關閉」就可以了。要等顯示屏黑了、主機指示燈滅了後，再關掉電源。切忌關機時直接去關主機上的大按鈕。

說實在的，開始我並沒有把信息技術看得怎麼重，我對電腦沒有太大的興趣，除了玩玩游戲、查查字典，也沒有什麼好乾的.。後來，學校開設了信息技術課，老師先把書本內容講給我們聽，再正正規規地開機實際操作。幾節課後，我學習了不少新知識，我了解到電腦是代替人腦處理信息 的機器，它也和人腦一樣可以輸入信息、記憶信息、輸出信息，通過網路還

可以把全世界的信息聯通起來。信息技術不僅僅是一台電腦，還有許多處理設備，以及互聯網，電腦也不僅僅是只能打字、做游戲，功能多著呢!在我還不會寫字的時候，就喜歡在電腦上畫畫，雖然線條彎彎曲曲，卻也別有趣味，與後來在青少年宮學的畫不一樣，電腦里還存儲著好多篇我的作品呢。上學後，電腦成了我的大詞典，找近義詞、反義詞太方便了。

我們還可以在網上聽歌、玩游戲、看電視、放鬆自己的心情，有了電腦我們通訊就方便了，登了QQ就可以和遠方的朋友問好，還可以發送電子郵箱，看到自己的照片，十分方便。

我愛電腦，更愛電腦里的文件和方便.

說明文作文 篇3

有一次上學時,我看到一個小男孩兒扔了一個易拉罐,我突然聞到了一陣玫瑰香味,便跟著味道找去. 到了一個神秘的地方。「這是什麼地方？為什麼這么臟？滿街的易拉罐。」我心裡嘀咕著。

突然，從垃圾堆里冒出了一個易拉罐機器人，對我說：「這地方你不知道？這就是你們22世紀的『美妙』地球呀！水中的魚兒被易拉罐小狗折騰得喘不過氣了。」我連忙去救小魚兒。小狗立刻撲到我身上說：「走開，不是你們造了我嗎？這是報應，地球人！」 我又回到了路上，心裡一直想著剛才好險呀！我一定要改造地球。 第二天早上，我又來到了這個地方，又見到了易拉罐，便隨手撿起。易拉罐機器人說：「你真棒！」

說明文作文 篇4

我們的沙頭中學很美麗。我第一次來到這個學校，就不知不覺地喜歡上她了。她每一天都是新的，每一天都是美的。

清晨，太陽還沒出來，東邊的天空出現了美麗的朝霞，小鳥兒還沉睡在夢鄉中時，我們就以在學校開始跑操了，我們的國歌是：起來，不願做奴隸地人們……

中午，我們結束了半天的課程，大家都回家了。這時，整個校園沐浴在燦爛的陽光下。一切都顯得那麼有生氣。綠湖上金光閃耀，像一條條龍。而湖中的小島就像一顆綠色的玉石，浮在水波上。同學們就像剛出籠的鳥兒，吱吱喳喳說個不停。

晚上，就更美了。燈光映在湖面上，就像無數個星星在閃爍。明亮的路燈下，同學們有的在散步，有的在做游戲，還有的在和老師討論問題。深藍的天空看不見邊，就像一個巨大的海洋，彎彎的月亮像一隻可愛的小船，而星星就像小魚在大海中玩耍。晚自習開始了，每個窗口燈光明亮，教室里一片安靜，同學們都在知識的海洋里遨遊

時光匆匆的過去了，我在中學學習眼就快1年了。在這1年的歲月里，我積極進取的班幹部，力求上進的好學生，更主要的是，在時間的匆匆流逝中，我對學校的感情更深了，更濃了。再過2年，我們就要初中畢業了，這怎麼能不讓我留戀啊！

我們的學校美麗、和諧。當早晨第一縷陽光悄悄撒落大地，降臨校園時，我常常伴隨耳邊的陣陣微風，盡情地享受難以形容的愜意，快樂、舒心地吟誦經典美文。勤奮博學，創新進取，成為我們和萬埠中學每一位學生的追求。

啊，我可愛的學校，你每一天都是新的，每一天都是美的。我愛你，我美麗的學校！

我愛我的學習。

說明文作文 篇5

要怎樣漫長又銘心的等待，才能澆灌出這樣的盛放的花開。

——題記

第二十五次。

裝作不經意一般走過那塊熠熠生輝的大宣傳板，已經是第二十五次了。陽光照耀下，宣傳板上一張張笑臉、一個個名字，就像被鍍上了金一樣，刺刺地扎中我心底的不甘。那是新成立的學生會成員，那些照片上的笑臉，因為旁邊的職位名稱而看起來更加開心。

班主任曾不止一次地贊揚過我的能力，也曾多次在我面前提到即將成立學生會的事情，可是為什麼沒有我？

老師沒有守信用。這是我的第一想法。可想想，老師也不曾承諾我什麼。可是不讓自己默許的候選人進入學生會，還讓像小楊、小寧這樣平平無奇的人擔重責，這學生會的組成真是既欠考慮又惱人。

「小月！老師催你做黑板報了！我們班每次都是臨時抱佛腳，他讓你注意！」我聞聲一拍腦袋，但心下煩躁，就走到圖書角去尋找素材。

迎面映入眼簾的是一本封面淡雅的書，封面上印著四個大字：靜待花開。扉頁只有一句話：「你可曾在自省後靜靜等待那艷麗的盛開？」我不由自主地問了自己一句。同學剛剛的聲音又回響在耳畔：黑板報都做不好，還談什麼學生會？

我又沉下心來，不緊不慢地操辦著手邊的班級事務，課內課外的活動，我盡心盡力地負責著我應該負責的部分。出了差錯，盡量克制自己不因為老師的批評氣得跳腳，盡量讓自己順從地去尋找自己的原因。犯錯不再可怕，因為每一個錯誤都是那漫長的等待中一個蛻變的機會。而嘗試著不因失敗責怪他人、抱怨連連，則更加徹底地顛覆了我的心態。我終於留意到，我常常忘了做班級黑板報或登記重要的事情，我開始發現，自己是那樣的錯漏百出，那樣不能讓人放心地信任，那樣的需要磨練與沉澱。

我開始明白，機會需要的，是一個寧靜自持、成熟穩重的人，而不是一個自大狂躁、不能自省的人。若要花開傾城，唯有靜心等待。

一年之後，恰逢學生會重組，我毫不擔心。果不其然，名單里有了我。我緊握著手中的會議單，不負等待，終於花開。

有時等待需要更大的勇氣與付出，等待耗費的時光和耐性磨人志氣，等待的未知讓人迷茫而不知前路，但那傾城的盛開猶如黎明前的曙光，綿長的溫暖讓所有漫長的黑暗統統變得不值一提。唯有走過這條路的人才能慨嘆，這世界上最美好的，莫過於懷揣著堅定的目標，靜待花開。

說明文作文 篇6

面，在我國的古代就有了，可見歷史源遠流長。面，有許多種：方便麵，長壽面，炒麵。

每種都很好吃，各有各的特色，讓人回味無窮。但是最合我的胃的還是那連「面」不絕的拉麵。

面也分很多種，有青菜拉麵，牛肉拉麵，羊肉拉麵······其中我對牛肉拉麵是情有獨鍾。說著說著體內的饞蟲又爬出來了，本人今天就「辛苦辛苦」再品嘗一下牛肉拉麵的滋味。

我來到面館，點了一份牛肉拉麵，然後靜靜地站在一旁看面條師傅怎樣拉麵。只見師傅取出一團面，先在桌子上搓成短短的粗粗的條子，用手盡量拉長一點，然後在空中像盪鞦韆是的來回晃，每次都重重地落在桌子上發出一聲聲清脆的響聲。當面團成長長的細細的時，那潔白如雪的面團已經「瘦身」成了一個「瘦子」了，師傅又把兩只拿著「面條」（呃~還不能算面條，只是個半成品）的手來回收縮，我還沒看清師傅做了什麼，拉麵已經在他手上了，一根也沒斷，哇！真是「無影手啊」！師傅把面下到鍋里，過了會兒面好了。師傅把面放到碗里，到上准備好的湯料，再到上些辣椒油，撒上薄薄的牛肉片，一碗熱氣騰騰的牛肉拉麵這就出鍋了。

服務員把拉麵端到我的桌子上，我望著香噴噴的拉麵，簡直於心不忍把它吃掉，我使勁的吸了一口氣，啊！一股辣香味直沖我的中樞神經，望著那「油濃如血」的辣椒油和肉紅色的牛肉，兩者搭配起來真是無與倫比的美味，我再也忍不住了，到了一些醋和辣椒拌一拌，我夾了一塊牛肉咬了一口，真好吃！吃了一口面，哇！麻辣和勁道，一起涌進嘴裡，美味在我的舌尖上舞蹈，我狼吞虎咽的把拉麵吃了個精光，連湯都喝得乾乾凈凈，吃完了拉麵，喝了湯，我感覺到身子十分暖和渾身清爽。

雖然我不知道拉麵的來歷，但我實在想誇誇發明者，怎麼發明出如此好吃的東西，「山外青山樓外樓，牛肉拉麵超一流！」