遺傳演算法外文文獻

A. 跪求 遺傳演算法在圖像處理中的應用研究 外文文獻翻譯 3000字左右 或者在哪裡可以找到 [email protected]

太少了，才十分，夠吝嗇的。我專業搞圖像處理的。

B. 求一些關於遺傳演算法提高的資料

這么簡單還用問目前，高校對於碩博士論文,需要通過抄襲檢測系統的檢測才能算過關。對本科生來說，大部分學校也採取抽查的方式對本科論文進行檢測。抄襲過多，一經查出超過30%,後果嚴重。輕者延期畢業，重者取消學位。辛辛苦苦讀個大學，學位報銷了多不爽。但是，軟體畢竟是人工設置的一種機制，裡面內嵌了檢測演算法，我們只要摸清其中的機理，通過簡單的修改，就能成功通過檢測。本文是在網路收集的資料。整理了最重要的部分，供大家參考。論文抄襲檢測演算法：1.論文的段落與格式論文檢測基本都是整篇文章上傳，上傳後，論文檢測軟體首先進行部分劃分，上交的最終稿件格式對抄襲率有很大影響。不同段落的劃分可能造成幾十個字的小段落檢測不出來。因此，我們可以通過劃分多的小段落來降低抄襲率。2.資料庫論文檢測，多半是針對已發表的畢業論文，期刊文章，還有會議論文進行匹配的，有的資料庫也包含了網路的一些文章。這里給大家透露下，很多書籍是沒有包含在檢測資料庫中的。之前朋友從一本研究性的著作中摘抄了大量文字，也沒被查出來。就能看出，這個方法還是有效果的。3.章節變換很多同學改變了章節的順序，或者從不同的文章中抽取不同的章節拼接而成的文章，對抄襲檢測的結果影響幾乎為零。所以論文抄襲檢測大師建議大家不要以為抄襲了幾篇文章，或者幾十篇文章就能過關。4.標注參考文獻參考別人的文章和抄襲別人的文章在檢測軟體中是如何界定的。其實很簡單，我們的論文中加了參考文獻的引用符號，但是在抄襲檢測軟體中。都是統一看待，軟體的閥值一般設定為1%，例如一篇文章有5000字,文章的1%就是50字，如果抄襲了多於50，即使加了參考文獻，也會被判定為抄襲。5.字數匹配論文抄襲檢測系統相對比較嚴格，只要多於20單位的字數匹配一致，就被認定為抄襲，但是前提是滿足第4點，參考文獻的標注。論文抄襲修改方法：首先是詞語變化。文章中的專業詞彙可以保留，盡量變換同義詞；其次，改變文中的描述方式，例如倒裝句、被動句、主動句；打亂段落的順序，抄襲原文時分割段落，並重組。通過上述方法，能有效降低抄襲率。下面舉幾個例子，大家可以參考下：例句A：本文以設備利用率最大化為目標函數,採用整數編碼與實數編碼相結合的遺傳演算法,研究了HFS的構建問題。本文提出的染色體編碼方法及相應的遺傳操作方法可實現研究對象的全局隨機尋優。通過對car系列標准算例的研究,顯示了本文提出方法具有較高的計算重復性和計算效率。修改A：本文研究了HFS問題的構建，通過遺傳演算法並結合整數與實數編碼，目標函數為最大化設備利用率來求解。本文的染色體編碼方法與對應的遺傳演算法操作可有效提高演算法的全局搜索能力。通過對一些列基準算例的研究，驗證了本文演算法的有效性，並具有較高的計算重復性和較高的運算效率。例句B：由於房地產商品的地域性強，房地產開發企業在進行不同區域投資時，通常需要建立項目公司，此時就會面臨建立分公司還是子公司的選擇。子公司是一個獨立的法人，而分公司則不是獨立法人，它們在稅收利益方面存在差異。子公司是獨立法人，在設立區域被視為納稅人，通常要承擔與該區域其它公司一樣的全面納稅義務；分公司不是獨立的法人實體，在設立分公司的所在區域不被視為納稅人，只承擔有限的納稅義務，分公司發生的利潤與虧損要與總公司合並計算。修改B：房地產開發企業在不同區域進行投資時，由於此類商品的地域性強，因此需要建立項目公司。此時，企業需要選擇建立分公司還是子公司。主要的區別是子公司具有獨立的法人，分公司則不是獨立法人。其次，在稅收利益方面，由於分公司不是獨立的法人實體，在設立分公司的所在區域不被視為納稅人，只承擔納稅義務，總公司需要合並計算分公司的利潤與虧損；而子公司是獨立法人，在所在區域被視為法人實體，需要承擔與區域其他公司一樣的全面納稅義務。修改抄襲的方法不外乎這些，這里更建議同學們，先熟悉你所看的參考論文，關閉文檔，用自己的話寫出來，這樣就不會受參考文獻的太多影響。有同學這里就提出問題了，學校用的檢測系統是知網的學術不端檢測系統，不是淘寶幾元錢買的萬方數據檢測。其實，各個檢測系統的演算法區別並不大，只是資料庫有多有少，如果你沒有太多，什麼系統都不用怕。既然你抄了，得到檢測報告的同時，先好好修改自己的文章。抄了之後，改相擬度，可以這樣去頭去尾留中間，意同詞不同。一、查重原理1、知網學位論文檢測為整篇上傳，格式對檢測結果可能會造成影響，需要將最終交稿格式提交檢測，將影響降到最小，此影響為幾十字的小段可能檢測不出。對於3萬字元以上文字較多的論文是可以忽略的。對比資料庫為：中國學術期刊網路出版總庫，中國博士學位論文全文資料庫/中國優秀碩士學位論文全文資料庫，國重要會議論文全文資料庫，中國重要報紙全文資料庫，中國專利全文資料庫，個人比對庫，其他比對庫。部分書籍不在知網庫，檢測不到。2、上傳論文後，系統會自動檢測該論文的章節信息，如果有自動生成的目錄信息，那麼系統會將論文按章節分段檢測，否則會自動分段檢測。3、有部分同學反映說自己在段落中明明引用或者抄襲了其他文獻的段落或句子，為什麼沒有檢測出來，這是正常的。中國知網對該套檢測系統的靈敏度設置了一個閥值，該閥值為5%，以段落計，低於5%的抄襲或引用是檢測不出來的，這種情況常見於大段落中的小句或者小概念。舉個例子：假如檢測段落1有10000字，那麼引用單篇文獻500字以下，是不會被檢測出來的。實際上這里也告訴同學們一個修改的方法，就是對段落抄襲千萬不要選一篇文章來引用，盡可能多的選擇多篇文獻，一篇截取幾句，這樣是不會被檢測出來的。4、一篇論文的抄襲怎麼才會被檢測出來？知網論文檢測的條件是連續13個字相似或抄襲都會被紅字標注，但是必須滿足3裡面的前提條件：即你所引用或抄襲的A文獻文字總和在你的各個檢測段落中要達到5%。二、快速通過論文查重的七大方法方法一：外文文獻翻譯法查閱研究領域外文文獻，特別是高水平期刊的文獻，比如Science，Nature，WaterRes等，將其中的理論講解翻譯成中文，放在自己的論文中。優點：1、每個人語言習慣不同，翻譯成的漢語必然不同。因此即使是同一段文字，不同人翻譯了之後，也不會出現抄襲的情況。2、外文文獻的閱讀，可以提升自身英語水平，拓展專業領域視野。缺點：英文不好特別是專業英文不好的同學實施起來比較費勁。方法二：變化措辭法將別人論文里的文字，或按照意思重寫，或變換句式結構，更改主被動語態，或更換關鍵詞，或通過增減。當然如果卻屬於經典名句，還是按照經典的方法加以引用。優點：1．將文字修改之後，按照知網程序和演算法，只要不出現連續13個字重復，以及關鍵詞的重復，就不會被標紅。2．對論文的每字每句都了如指掌，爛熟於心，答辯時亦會如魚得水。缺點：逐字逐句的改，費時費力。方法三：減頭去尾，中間換語序將別人論文里的文字，頭尾換掉中間留下，留下的部分改成被動句，句式和結構就會發生改變，再自行修改下語病後，即可順利躲過查重。優點：方便快捷，可以一大段一大段的修改。缺點中文沒學好的，會很費勁，要想半天。方法四：轉換圖片法將別人論文里的文字，截成圖片，放在自己的論文里。因為知網查重系統目前只能查文字，而不能查圖片和表格，因此可以躲過查重。優點：比改句序更加方便快捷。缺點：用順手了容易出現整頁都是圖片的情況，會影響整個論文的字數統計。方法五：插入文檔法將某些參考引用來的文字通過word文檔的形式插入到論文中。優點：此法比方法四更甚一籌，因為該方法日後還可以在所插入的文檔里進行重新編輯，而圖片轉換法以後就不便於再修改了。缺點：還沒發現。方法六：插入空格法將文章中所有的字間插入空格，然後將空格字間距調到最小。因為查重的根據是以詞為基礎的，空格切斷了詞語，自然略過了查重系統。優點：從查重系統的原理出發，可靠性高。缺點：工作量極大，課可以考慮通過宏完成，但宏的編制需要研究。方法七：自己原創法自己動手寫論文，在寫作時，要麼不原文復制粘貼；要麼正確的加上引用。優點：基本上絕對不會擔心查重不通過，哪怕這個查重系統的閾值調的再低。缺點：如果說優缺點的話，就是寫完一篇畢業論文，可能會掉更多的腦細胞。呵呵。。。知網系統計算標准詳細說明：1．看了一下這個系統的介紹，有個疑問，這套系統對於文字復制鑒別還是不錯的，但對於其他方面的內容呢，比如數據，圖表，能檢出來嗎？檢不出來的話不還是沒什麼用嗎？學術不端的各種行為中，文字復制是最為普遍和嚴重的，目前本檢測系統對文字復制的檢測已經達到相當高的水平，對於圖表、公式、數據的抄襲和篡改等行為的檢測，目前正在研發當中，且取得了比較大的進展，歡迎各位繼續關注本檢測系統的進展並多提批評性及建設性意見和建議。2．按照這個系統39%以下的都是顯示黃色,那麼是否意味著在可容忍的限度內呢最近看到對上海大學某教師的國家社科基金課題被撤消的消息,原因是其發表的兩篇論文有抄襲行為,分別佔到25%和30%.請明示超過多少算是警戒線？百分比只是描述檢測文獻中重合文字所佔的比例大小程度，並不是指該文獻的抄襲嚴重程度。只能這么說，百分比越大，重合字數越多，存在抄襲的可能性越大。是否屬於抄襲及抄襲的嚴重程度需由專家審查後決定。3．如何防止學位論文學術不端行為檢測系統成為個人報復的平台？這也是我們在認真考慮的事情，目前這套檢測系統還只是在機構一級用戶使用。我們制定了一套嚴格的管理流程。同時，在技術上，我們也採取了多種手段來最大可能的防止惡意行為，包括一系列嚴格的身份認證，日誌記錄等。4．最小檢測單位是句子，那麼在每句話里改動一兩個字就檢測不出來了么？我們對句子也有相應的處理，有一個句子相似性的演算法。並不是句子完全一樣才判斷為相同。句子有句子級的相似演算法，段落有段落級的相似演算法，計算一篇文獻，一段話是否與其他文獻文字相似，是在此基礎上綜合得出的。5．如果是從相關書籍上摘下來的原話，但是此話已經被資料庫中的相關文獻也抄了進去，也就是說前面的文章也從相關書籍上摘了相同的話，但是我的論文中標注的這段話來自相關的書籍，這個算不算學術抄襲？檢測系統不下結論，是不是抄襲最後還有人工審查這一關，所以，如果是您描述的這種情況，專家會有相應判斷。我們的系統只是提供各種線索和依據，讓人能夠快速掌握檢測文獻的信息。6．知網檢測系統的權威性？學術不端文獻檢測系統並不下結論，即檢測系統並不對檢測文獻定性，只是將檢測文獻中與其他已發表文獻中的雷同部分陳列出來，列出客觀事實，而這篇檢測文獻是否屬於學術不端，需專家做最後的審查確認。一篇論文的抄襲怎麼才會被檢測出來？知網論文檢測的條件是連續13個字相似或抄襲都會被紅字標注，但是必須滿足3裡面的前提條件：即你所引用或抄襲的A文獻文字總和在你的各個檢測段落中要達到5%。論文查重修改的規律：1、如果是引用，在引用標號後，不要輕易使用句號，如果寫了句號，句號後面的就是剽竊了（盡管自已認為是引用），所以，引用沒有結束前，盡量使用分號。有些人將引用的上標放在了句號後面，這是不對的，應該在句號之前。2、可以將文字轉換為表格，將表格邊框隱藏。3、如果你看的外文的多，由外文自己翻譯過來引用的，個人認為，不需要章節附註，就可以當做自己的，因為查重的資料庫只是字元的匹配，無法做到中文和英文的匹配。4、查重是一個匹配的過程，是以句為單位，如果一句話重復了，就很容易判定重復了，所以：的確是經典的句子，就用上標的章節附註的方式，在參考文獻中表達出來，或者是用：原文章作者《名字》和引號的方式，將引用的內容框出來。引號內的東西，系統會識別為引用如果是一般的引用，就採用羅嗦法，將原句中省略的主語、謂語、等等添加全，反正哪怕多一個字，就是勝利，也可以採用橫刀法，將一些句子的成分，去除，用一些代詞替代。或者是用洋鬼子法，將原文中的洋名，是中文的，就直接用英文，是英文的直接用中文，或是哦中文的全姓名，就用中文的名，如果是中文的名，就找齊了，替換成中文的姓名。故意在一些縮寫的英文邊上，加上（注釋）(畫蛇添足法），總之，將每句話都可以變化一下，哪怕增加一個字或減少一個字，都是勝利了。特別注意標點符號，變化變化，將英文的復合句，變成兩個或多個單句，等等，自己靈活掌握。因為真正寫一篇論文，很罕見地都是自己的，幾乎不可能，但大量引用別人的東西，說明你的綜合能力強，你已經閱讀了大量的資料，這就是一個過程，一個學習、總結的過程。所有的一切，千萬別在版面上讓導師責難，這是最劃不來的。導師最討厭版面不規范的，因為他只負責內容，但又不忍心因為版面問題自己的弟子被轟出來。5、下面這一條我傻妞試過的，決對牛B：將別人的文字和部分你自己的文字，選中，復制（成為塊，長方形），另外在桌面建一個空文件，將內容，復制到文件中，存檔，關閉。將這個文件的圖標選中，復制，在你的正文中的位置上，直接黏貼，就變成了圖片了，不能編輯的。這個操作事實上是將內容的文件作為一個對象插入的，所以是圖片。這個操作事實上是將內容的文件作為一個對象插入的。所以是圖片。以上那些東西再次總結一下：查重是一個匹配的過程，是以句為單位，如果一句話重復了，就很容易判定重復了，所以：1）如果的確是經典的句子，就用上標的章節附註的方式，在參考文獻中表達出來。2）如果是一般的引用，就採用羅嗦法，將原句中省略的主語、謂語、等等添加全，反正哪怕多一個字，就是勝利。3）也可以採用橫刀法，將一些句子的成分，去除，用一些代詞替代。4）或者是用洋鬼子法，將原文中的洋名，是中文的，就直接用英文，是英文的直接用中文，或是中文的全姓名，就用中文的名，如果是中文的名，就找齊了，替換成中文的姓名。5）故意在一些縮寫的英文邊上，加上（注釋）(畫蛇添足法），總之，將每句話都可以變化一下，哪怕增加一個字或減少一個字，都是勝利了。6）如果是引用，在引用標號後，不要輕易使用句號，如果寫了句號，句號後面的就是剽竊了（盡管自已認為是引用），所以，引用沒有結束前，盡量使用分號。有些人將引用的上標放在了句號後面，這是不對的，應該在句號之前。7）可以將文字轉換為表格、表格基本是查重不了的，文字變成圖形、表格變成圖形，一目瞭然，絕對不會檢查出是重復剽竊了。論文查重修改學校的要求：1、論文題目：要求准確、簡練、醒目、新穎。 2、目錄：目錄是論文中主要段落的簡表。（短篇論文不必列目錄） 3、提要：是文章主要內容的摘錄，要求短、精、完整。字數少可幾十字，多不超過三百字為宜。 4、關鍵詞或主題詞：關鍵詞是從論文的題名、提要和正文中選取出來的，是對表述論文的中心內容有實質意義的詞彙。關鍵詞是用作機系統標引論文內容特徵的詞語，便於信息系統匯集，以供讀者檢索。每篇論文一般選取3-8個詞彙作為關鍵詞，另起一行，排在「提要」的左下方。 主題詞是經過規范化的詞，在確定主題詞時，要對論文進行主題，依照標引和組配規則轉換成主題詞表中的規范詞語。 5、論文正文： （1）引言：引言又稱前言、序言和導言，用在論文的開頭。引言一般要概括地寫出作者意圖，說明選題的目的和意義,並指出論文寫作的范圍。引言要短小精悍、緊扣主題。 〈2）論文正文：正文是論文的主體，正文應包括論點、論據、論證過程和結論。主體部分包括以下內容： a.提出-論點； b.分析問題-論據和論證； c.解決問題-論證與步驟； d.結論。 6、一篇論文的參考文獻是將論文在和寫作中可參考或引證的主要文獻資料，列於論文的末尾。參考文獻應另起一頁，標注方式按《GB7714-87文後參考文獻著錄規則》進行。 中文：標題--作者--出版物信息（版地、版者、版期）：作者--標題--出版物信息所列參考文獻的要求是： （1）所列參考文獻應是正式出版物，以便讀者考證。 （2）所列舉的參考文獻要標明序號、著作或文章的標題、作者、出版物信息

C. 遺傳演算法第一次提出來是在什麼文獻中

《搜索、優化和機器學習中的遺傳演算法》。

遺傳演算法（Genetic Algorithm，GA）最早是由美國的 John holland於20世紀70年代提出,該演算法是根據大自然中生物體進化規律而設計提出的。是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。

遺傳演算法的基本運算過程如下：

（1）初始化：設置進化代數計數器t=0，設置最大進化代數T，隨機生成M個個體作為初始群體P(0)。

（2）個體評價：計算群體P(t)中各個個體的適應度。

（3）選擇運算：將選擇運算元作用於群體。選擇的目的是把優化的個體直接遺傳到下一代或通過配對交叉產生新的個體再遺傳到下一代。選擇操作是建立在群體中個體的適應度評估基礎上的。

（4）交叉運算：將交叉運算元作用於群體。遺傳演算法中起核心作用的就是交叉運算元。

（5）變異運算：將變異運算元作用於群體。即是對群體中的個體串的某些基因座上的基因值作變動。群體P(t)經過選擇、交叉、變異運算之後得到下一代群體P(t+1)。

（6）終止條件判斷：若t=T,則以進化過程中所得到的具有最大適應度個體作為最優解輸出，終止計算。

D. 用改進遺傳演算法求取水文地質參數

任廣軍¹ 張勇²

（1.山東省魯南地質工程勘察院，兗州272000；2.山東省地礦工程集團有限公司，濟南250013）

作者簡介：任廣軍（1972—），男，工程師，主要從事水文地質、環境地質等。

摘要：本文利用非穩定流抽水試驗資料，採用改進的十進制遺傳演算法在計算機上自動優選含水層水文地質參數。該方法同傳統上使用的配線法相比較，具有節省時間，減少人工配線誤差，所求參數逼真，且能對一些線性、非線性問題求解，具有很高的推廣和應用價值。

關鍵詞：遺傳演算法；隨機模擬；含水層；水文地質參數；優選

0 引言

利用改進的十進制遺傳演算法，根據抽水試驗資料來認識水文地質條件、反求水文地質參數是水文地質計算中的基本問題。具體地講，在探明含水層范圍、類型的基礎上，建立描述該含水層水流運動模型，利用抽水試驗過程中的地下水位變化過程資料來確定水文地質參數。

雖然非穩定抽水試驗公式適用條件非常苛刻，但能反映出含水層非穩定流的一些基本特點，還可運用疊加原理解決某些比較復雜的非穩定流問題。此外，作為檢驗數值方法精確性的重要依據，具有廣泛應用和發展前景。

目前，由於非穩定流抽水試驗確定水文地質參數的具體實現方法主要有人工配線法或以計算輔助的配線法，但這種方法的效果好壞完全取決於肉眼觀察，帶有很大的主觀性。本文作者選取了一些典型實例，採用遺傳演算法建立了一種計算機全自動求參的全局優選法，通過與人工配線分析比較，確定本方法計算機求參的高精度與高可靠性。

求取參數是通過實測結果與模型計算結果的最佳擬合（模擬）程度來實現的，參數的精確程度在很大程度上取決於實測資料的精度。

1 遺傳演算法介紹

生物的進化是一個奇妙的優化過程，它通過選擇淘汰，突然變異，基因遺傳等規律產生適應環境變化的優良物種。遺傳演算法是根據生物進化思想而啟發得出的一種全局優化演算法。

遺傳演算法的概念最早是由Bagley J.D在1967年提出的；而開始遺傳演算法的理論和方法的系統性研究的是1975年，這一開創性工作是由Michigan大學的J.H.Holland所實行。當時，其主要目的是說明自然和人工系統的自適應過程。

遺傳演算法簡稱GA（Genetic Algorithm），在本質上是一種不依賴具體問題的直接搜索方法。遺傳演算法在模式識別、神經網路、圖像處理、機器學習、工業優化控制、自適應控制、生物科學、社會科學等方面都得到應用。在人工智慧研究中，現在人們認為「遺傳演算法、自適應系統、細胞自動機、混沌理論與人工智慧一樣，都是對今後十年的計算技術有重大影響的關鍵技術」。

2 目標函數的確定

通過綜合考慮計算程序的運算時間、速度以及含水層的類型，確立利用抽水實測資料和計算資料的擬合程度為目標函數。其計算公式為：

山東省環境地質文集

式中：s_實測為實測抽水試驗觀測孔的降深；s_計算為計算抽水試驗觀測孔的降深；NT為計算時段。

3 計算實例及結果分析

3.1 承壓含水層地下水降深公式

承壓含水層地下水降深公式為：

山東省環境地質文集

式中：S為以固定流量Q抽水時與抽水井距離為r處任一時間的水位降深（m）；T為導水系數；Q為涌水量；W（u）為井函數，是一個指數積分函數：

山東省環境地質文集

式中：u為井函數的自變數，

其中s為承壓含水層的儲存系數；T為含水層的導水系數；t為時間。

例1：某地區進行非穩定流抽水試驗。區域地層剖面是：地表下18～25 m是由含礫粗砂層組成的含水層，其底板由粘土質沉積物組成，18 m以上是粘土、泥炭層。抽水井的過濾器安裝在含水層的整個厚度上。觀測孔距抽水井30m，觀測資料如表1所示。主井作定流量抽水，Q＝788m³/d，抽水接近14小時。試根據觀測資料求取水文地質參數。

（1）lgS-lgt配線法所求參數：T_配線＝439m²/d，s_配線＝1.694×10^-4；

（2）S-lgt直線圖解法所求參數：T_配線＝450.7m²/d，s_配線＝1.392×10^-4；

（3）計算機所求參數：T＝383.0088m²/d，s＝ 1.78×10^-4。

為更直觀地說明上述所求參數的可靠性，由上述參數所求計算降深與實測降深進行比較（圖1）。通過比較，進一步確定了計算機求參的高精度與穩定性。承壓含水層配線參數與優選參數比較分析：T_配線＝439m²/d，s_配線＝0.0001694；T_計算＝383.0088m²/d，s_計算＝0.0001780。

表1 遺傳演算法計算水位降深與實測水位降深結果表

圖1 計算降深與實測降深比較圖

3.2 在有越流補給的承壓含水層地下水降深公式

在有越流補給的承壓含水層地下水降深公式為：

山東省環境地質文集

式中：u同（3）式；

為越流井函數，本文中

採用數值積分：

山東省環境地質文集

例2：有一無限分布的承壓含水層，厚度20m，其底部為絕對隔水的粘土層；上部為弱透水的亞砂土層，厚2m；弱透水層之上為潛水含水層。在承壓含水層中有一完整抽水井，抽水時的穩定流量Q＝5530m³/d。距抽水井r＝17.34m處有一觀測孔據觀測知，在抽水過程中上部潛水的水位不變。抽水層的水位降深值載於表2，試計算含水層水文地質參數。

（1）lgS-lgt配線法所求參數：T_配線＝853.50m²/d，s_配線＝4.20×10^-4；B_配線＝568.50m；

（2）lgS-lgt配線法所求參數：T_計算＝817.19m²/d，s_計算＝4.31×10^-4；B_計算＝482.80m。

為更直觀地說明上述所求參數的可靠性，由上述參數所求計算降深與實測降深進行比較（圖2）。通過比較，進一步確定了計算機求參的高精度與穩定性。有越流時承壓含水層優選參數誤差分析：T_配線＝853.50m²/d，s_配線＝0.00042，B_配線＝568.50m；T_計算＝817.1950m²/d，s_計算＝0.00043103，B_計算＝482.798m。

表2 遺傳演算法計算水位降深與實測水位降深結果表

續表

圖2 計算降深與實測降深比較圖

3.3 考慮有滯後補給的潛水含水層地下水降深公式

根據博爾頓理論，潛水含水層地下水降深公式計算公式可分為抽水前期、抽水中期和抽水後期。參數優選主要根據抽水前期和抽水後期的資料擬合而得：

山東省環境地質文集

其中D為疏干因子。

抽水前期計算公式：

抽水後期計算公式：同（2）式。

4 結論及不足之處

4.1 結論

通過上述實例計算結果表明：計算結果同人工加以計算機輔助配線法相比較，其計算水文地質參數精度較高，且其參數初值依賴程度較低，對於復雜的線性、非線性及多態性、多峰值問題在全局優化方面有著其他方法所無法比擬的優勢，具有很高的推廣和應用價值。

4.2 不足之處

遺傳演算法雖然可以在多種領域都有實際應用，並且也展示了它潛力和寬廣前景；但是，遺傳演算法還有大量的問題需要研究，目前也還存在著各種不足。首先，在變數多，取值范圍大或無給定范圍時，收斂速度下降；其次，可找到最優解附近，但無法精確確定最優解位置；最後，遺傳演算法的參數選擇尚未有定量方法。對於遺傳演算法，一是還需要進一步研究其數學基礎理論；二是還需要在理論上證明它與其他優化技術的優劣及原因；三是還需研究硬體化的遺傳演算法；以及遺傳演算法的通用編程和形式等。此外，對於地下水滲流問題的數值解反求多類各種水文地質參數雖有成功實例，對於運算速度問題，還存在著相當大的難度。

參考文獻

陳崇希，唐仲華.1990.地下水流動問題數值方法.武漢：中國地質大學出版社

陳喜.1998.含水層水文地質參數自動優選方法.工程勘察，（2）

郭東屏.1994.地下水動力學.西安：陝西科學技術出版社

GB 50027—2001 供水水文地質勘察規范

李俊亭，王愈吉.1987.地下水動力學.北京：地質出版社

劉寶碇，趙瑞清，王綱.2003.不確定規劃及應用.北京：清華大學出版社

朱國祥，王峰.1999.利用配線法水文地質參數計算機程序簡介.工程勘察，（3）

鄒正盛，趙智榮.2001.淺析抽水水文地質參數確定中的問題.水文地質工程地質，（3）

E. 非線性解析反演與遺傳演算法的結合反演方法

周輝

（青島海洋大學海洋地球科學學院，青島266003）

何樵登

（長春地質學院地球物理系，長春130026）

摘要各向異性介質參數反演通常為非線性優化問題。非線性反演方法可以分為兩大類：隨機搜索方法，如Monte Carlo法、模擬退火和遺傳演算法及基於非線性最小平方理論的非線性解析反演方法。遺傳演算法能尋找到全局最優解，但它為一種較費時的方法。非線性解析反演方法能給出一個與初始模型有關的局部最優解。然而，這種方法具有較快的收斂速度。遺傳演算法與非線性解析反演方法相結合的反演方法利用這兩種反演方法的優點而克服其缺點。因此，結合反演方法既能快速收斂，又能尋找到全局最優解。如何合理地將遺傳演算法和非線性解析反演方法結合是十分重要的。本文提出一種結合方案，即在連續若干次遺傳演算法迭代後作一次非線性解析反演。理論算例表明結合反演方法具有上述特點。

關鍵詞遺傳演算法非線性解析反演非線性結合反演各向異性介質

1引言

遺傳演算法為隨機搜索類方法之一，它以概率論為理論基礎，用於求解多極值復雜優化問題^[9]。遺傳演算法不要求已知模型空間中後驗概率密度的形狀並能廣泛搜索模型空間。遺傳演算法模擬自然選擇和遺傳規律，並遵循適者生存的原則。

遺傳演算法由Holland在1975年提出^[4]。Berg首先將遺傳演算法應用於地球物理優化問題^[1]。Stoffa等系統地研究了種群大小、交叉概率、選擇概率和變異概率對多參數優化問題收斂性和收斂速度的影響^[11]。Sen等討論了在選擇概率中引入溫度參數的作用並提出一些退火方案^[10]。周輝等則研究了目標函數與收斂速度和解的精度的關系^[16]。

基於最小平方優化理論的非線性反演方法是兩大類反演方法之一。當給定的初始模型位於目標函數全局最優解所在的峰谷附近時，這種下降類方法能給出正確解而與初始模型位置無關。下降類演算法研究得較深入，應用較廣。

Tarantola提出一種基於廣義最小二乘法的多維多偏移距聲波地震波形解釋的一般性非線性地震波形反演方法^[12]。隨後，Tarantola將該理論推廣於各向同性介質的彈性波反演^[13]。Gauthier等用理論數據驗證了Tarantola提出的方法的正確性^[2]。稍後，Tarantola研究非線性解析法反射波彈性反演的策略，指出以縱橫波的波阻抗和密度作為反演參數，才盡可能使反演參數之間相互獨立^[14]。Pan用τ—P變換研究層狀聲學介質中平面波地震記錄非線性解析反演的理論和可行性^[6]。為了更多地利用地震數據中的信息，包括VSP資料中反射和轉換信息，Mora作了一些工作^[5]。當僅用反射數據時反演主要解決引起反射的P波和S波的波阻抗突變。當利用轉換數據時，則能分辨大尺度的P波和S波速度變化。Sambridge等改進了修改模型的方法^[8]。在子空間中，可同時得到P波、S波波阻抗和密度。周輝等將非線性梯度反演方法推廣於多維、多道、多分量任意彈性各向異性介質參數的反演^[17]。

非線性解析反演方法和遺傳演算法結合的反演方法利用非線性解析反演和遺傳演算法的優點，克服它們的缺點。因此，結合反演方法不僅能搜索到全局最優解，而且能較快地收斂。Porsani等在遺傳演算法和廣義線性反演方法相結合方面作了一些研究^[7]。

本文討論各向異性介質的非線性解析反演方法和遺傳演算法與非線性解析反演方法相結合的結合反演方法^[17]。對於遺傳演算法讀者可參考遺傳演算法的相關文獻^[3,9～11]。

2各向異性介質參數非線性解析反演方法

2.1共軛梯度法

反演的目的是利用地面或井中測得的位移場uⁱ（x_r,t）求取地下介質密度分布ρ（x）和彈性參數分布C_ijkl（x）。ρ（x）、C_ijkl（x）稱為模型參數。x為研究介質中或邊界上任一點，x=（x₁,x₂,x₃）,x_r為接收點。反演的目標是使目標函數

岩石圈構造和深部作用

取極小值。其中C_d、C_m分別為數據（波場）和模型參數的協方差運算元。m₀為先驗模型參數，m為反演過程中求得的模型參數。由於模型參數有多個，故用向量表示。u_cal為給定m的波動方程正演記錄，u_obs為觀測波場，上角標t表示轉置。地震記錄u和模型參數m之間的函數關系為

岩石圈構造和深部作用

g為非線性運算元，（2）式為波動方程的運算元形式。記第n次迭代時的模型參數為m_n，則有

岩石圈構造和深部作用

及共軛梯度法的迭代公式^[15]

岩石圈構造和深部作用

其中G_n為g對m_n的Frechet導數，η_n為一常數，可由多種方法計算^[5,8]。

梯度

為模型空間的對偶空間中的一個元素。模型空間和其對偶空間以模型參數的協方差運算元C_m=Diag（C_p，C_c）由式（4d）相聯系。在後面將給出

和

的表達式。

式（4）為梯度反演方法的基本公式。當該公式中的每一量都已知時，迭代就可進行。在這些變數中，最關鍵的是梯度向量。

2.2目標函數

在最小二乘理論中，權函數是協方差運算元逆的核。假設數據集中的誤差是不相關的，它僅取決於時間或源和接收器的位置，那麼有^[14]

岩石圈構造和深部作用

其中σ為數據的均方差。

2.3各向異性介質中的彈性波動方程

令f_i（x,t;x_s）是第s次激發的內體力密度，T_i（x,t;x_s）是地球表面S的應力矢量分量，n_i（x）是表面的單位法向分量。那麼與第s次激發相應的位移由以下微分方程組給出^[15]

岩石圈構造和深部作用

2.4梯度向量

式（4）中梯度向量的分量為^[17]

岩石圈構造和深部作用

其中，T為地震記錄的長度，

為反向傳播場，滿足

岩石圈構造和深部作用

其中，t∈[T,0]，

滿足終了時間條件。

3結合反演方法

3.1遺傳演算法和非線性解析反演方法的優缺點

遺傳演算法是利用概率論來求解多極值復雜優化問題的一種隨機搜索方法，由一組隨機選取的模型開始，不需要更多的先驗信息，廣泛而有效地對模型空間的最優部分采樣。盡管遺傳演算法是基於自然選擇、遺傳規律，搜索模型空間的最優部分而求得最優解，但它是一種計算量很大的方法。由於地震模型空間大，用全局最優化方法估計各向異性介質參數的地震波形反演十分費時。

目標函數的梯度信息是非線性解析反演方法修改模型參數的依據，它能給出一個接近初始模型的一個局部最優解。如果初始模型選擇得合適，即當初始模型處在全局最優解所在的目標函數低谷時，非線性解析反演方法能收斂於全局最優解。然而，恰好給出一個接近全局最優解的初始模型的概率是非常小的，尤其對沒有模型參數的任何先驗信息的情況。但應強調的是，非線性解析反演方法具有較快的收斂速度。

發揮非線性解析反演方法快速收斂和遺傳演算法能搜索到全局最優解的優點，而克服前者僅能尋找到局部最優解和後者運算量大的缺點是很有意義的。非線性解析反演方法和遺傳演算法相結合的反演方法可達到上述目的。在結合反演方法中，遺傳演算法的作用是提供接近全局最優解的模型，非線性解析反演的作用是盡快求出全局最優解。因此，結合反演方法具有搜索到全局最優解的能力和比遺傳演算法收斂速度快的特點。

3.2結合方案

遺傳演算法在優化過程中連續不斷地搜索整個模型空間。在每次迭代結束後，得到一個本代的最優模型。根據遺傳演算法的數學原理^[3]，最優模型的數量在下一代中得以增加，同時經交叉和變異作用又有新的模型產生。在下一代種群中，最優模型可能與前一代的相同，也有可能劣於前一代的最優模型。所有這些最優模型可能在目標函數的同一低谷處，也有可能在其它低谷處。遺傳演算法尋找最優模型要經過多次迭代才能確定一個極值。遺傳演算法的隨機性導致遺傳演算法是一種費時的方法。然而正是遺傳演算法的這種隨機性保證了它能搜索到全局最優解。

如果將每次遺傳演算法迭代的最優解作為非線性解析反演的初始模型，非線性解析反演可以找出與初始模型毗鄰的局部最優解。由於非線性解析反演是一種確定性的方法，它按目標函數的梯度方向修改模型，所以非線性解析反演方法只需幾次迭代即可收斂。非線性解析反演求得的解是否為全局最優解，非線性解析反演方法本身是無法得以保證的。只有當遺傳演算法提供接近全局最優解的初始模型時，非線性解析方法反演才能收斂到全局最優解。

結合反演方法中遺傳演算法和非線性解析反演方法的匹配方式是十分重要的。非線性解析反演方法得到接近遺傳演算法提供的初始模型的局部最優解後，在以後若干代中因遺傳演算法的隨機性而使其最優解與該局部最優解相同。如果每次遺傳演算法迭代後作非線性解析反演，那麼結合反演的結果在幾代內都是相同的。顯然其中的一些非線性解析反演是沒有必要的。因此，結合方式應為在連續多次遺傳演算法迭代後作一次非線性解析反演，然後將非線性解析反演的結果作為下一代種群中的一個母本模型。圖1為結合反演的框圖。

圖1結合反演框圖

4算例

為了驗證結合反演方法的優越性，對一維多層橫向各向同性介質參數的反演理論實例作了分析。

圖2是目標函數值與迭代次數的關系圖。在該結合反演算例中每次遺傳演算法迭代後就作一次非線性解析反演迭代。結合反演的誤差在開始幾次迭代中下降很快，尤其在前3次。結合反演方法在第10次迭代達到的較小誤差，遺傳演算法在第42次迭代才達到。結合反演的誤差比遺傳演算法的跳躍得嚴重。這是因為非線性解析反演得到的模型在遺傳演算法中作為母代參加繁衍。這個模型因遺傳演算法的隨機性常常被新的模型替代。這兩個模型可能位於目標函數兩個不同的低谷中，因此非線性解析反演的結果不同。

盡管結合反演的目標函數有些振盪，但也存在連續幾次迭代目標函數幾乎不變的現象。這意味著這幾次迭代的最優模型是很接近的。在這種情況下非線性解析反演不能提供較大的改進。所以，此時的非線性解析反演是沒有必要的，否則只能增加計算量。

圖2結合反演（實線）和遺傳演算法（虛線）的誤差與迭代次數的關系

結合反演中每次遺傳演算法迭代後作一次非線性解析反演迭代

圖3是另一個例子。在該結合反演例子中，每五次遺傳演算法迭代作一次非線性解析反演。在這里遺傳演算法佔主要地位。此時結合反演的誤差函數明顯比遺傳演算法的小。結合反演的誤差在第5次迭代末突然下降，並在第10次迭代時的小誤差，遺傳演算法在42代才達到。遺傳演算法始終沒有到達結合反演的最小誤差。結合反演的誤差在後期迭代過程中平穩下降，這是遺傳演算法佔主導地位的原因。

從該例可知，若遺傳演算法與非線性解析反演方法比較合理地結合，結合反演方法比遺傳演算法具有快得多的收斂速度。

5結論

非線性結合反演方法揚遺傳演算法和非線性解析反演方法之長，抑其之短，它是一種具有較快收斂速度的全局反演方法。

在結合反演中遺傳演算法和非線性解析反演方法的結合方式是重要的。從算例可得出，五次遺傳演算法迭代後作一次非線性解析反演的結合反演的效果明顯優於每次遺傳演算法迭代後都作非線性解析反演的結合反演的效果。但是在結合反演中連續作多少次遺傳演算法迭代及連續迭代次數在整個迭代過程中的可變性還有待於進一步研究。

圖3結合反演（實線）和遺傳演算法（虛線）的誤差與迭代次數的關系

結合反演中每五次遺傳演算法迭代後作一次非線性解析反演迭代

在結合反演中遺傳演算法的作用是提供接近全局最優解的初始模型。結合反演的運算速度主要取決於遺傳演算法的運算速度。均勻設計理論可以應用於遺傳演算法以加快隨機搜索的速度。

與遺傳演算法相同，其它隨機搜索方法也可用來與非線性解析反演方法形成結合反演方法。

參考文獻

[1]E.Berg.Simple convergent genetic algorithm for inversion of multiparameter data.SEG60 Expanded Abstracts,1990，Ⅱ，1126～1128.

[2]O.Gauthier,J.Virieux and A.Tarantola.Two-dimensional nonlinear inversion of seismic waveforms:Numerical results.Geophysics,1986,51,1387～1403.

[3]D.E.Goldberg.Genetic Algorithms in Search,Optimiztion,and Machine Learning.Addison-Wesley,Reading,MA,1989.

[4]J.H.Holland.Adaptation in Natural and Artifical Systems.The University of Michigan Press,Ann Arbor,1975.

[5]P.Mora.2D elastic inversion of multi-offset seismic data.Geophysics,1988,52,2031～2050.

[6]G.S.Pan,R.A.Phinney,and R.I.Odom.Full-waveform inversion of plane-wave seismograms in stratified acoustic media:Theory and feasibility.Geophysics,1988,53,21～31.

[7]M.J.Porsani,P.L.Stoffa,M.K.Sen,et al..A combined Genetic and linear inversion algorithm for seismic wave-form inversion.SEG63 Expanded Abstracts,1993,692～695.

[8]M.S.Sambridge,A.Tatantola and Kennet.An alternative strategy for nonlinear inversion of seismic waveforms.Geophysical Prospecting,1991,39,723～736.

[9]M.Sambridge,and G.Drijkoningen.Genetic algorithms in seismic waveform inversion.Geophys.J.Int.,1992,109,323～342.

[10]M.K.Sen,P.L.Stoffa.Rapid sampling of model space using genetic algorithms:examples from seismic waveform inversion.Geophys.J.Int.,1992,109,323～342.

[11]P.L.Stoffa,M.K.Sen.Nonlinear multiparametre optimization using genetic algorithms:Inversion of plane-wave seismograms.Geophysics,1991,56,1794～1810.

[12]A.Tarantola.Inversion of seismic reflection data in the acoustic approximation.Geophysics,1984（a）,49,1259～1266.

[13]A.Tarantola.The seismic reflection inverse problem.In:F.Santosa,Y.-H.Pao,W.W.System,and C.Holland Eds.Inverse problems of acoustic and elastic waves.Soc.Instr.Appl.Math.,1984（b）,104～181.

[14]A.Tarantola.A strategy for nonlinear elastic inversion of seismic reflection data.Geophysics,1986,51,1893～1903.

[15]A.Tarantola.Inverse problem theory:Methods for data fitting and model parameter estimation.Elsevier Science Publ.Co.Inc.,1987.

[16]周輝，何樵登.遺傳演算法在各向異性介質參數反演中的應用.長春地質學院學報，1995,25，增刊1,62～67.

[17]周輝.各向異性介質波動方程正演及其非線性反演方法研究.長春地質學院博士論文，1995.

F. 怎樣用遺傳演算法解較復雜的非線性方程組啊

問題具體點吧。。你這個問題不具體。。真的無法回答。。

G. 量子遺傳演算法與遺傳演算法有什麼區別

遺傳演算法（Genetic Algorithm）是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。遺傳演算法是從代表問題可能潛在的解集的一個種群（population）開始的，而一個種群則由經過基因（gene）編碼的一定數目的個體(indivial)組成。每個個體實際上是染色體(chromosome)帶有特徵的實體。染色體作為遺傳物質的主要載體，即多個基因的集合，其內部表現（即基因型）是某種基因組合，它決定了個體的形狀的外部表現，如黑頭發的特徵是由染色體中控制這一特徵的某種基因組合決定的。因此，在一開始需要實現從表現型到基因型的映射即編碼工作。由於仿照基因編碼的工作很復雜，我們往往進行簡化，如二進制編碼，初代種群產生之後，按照適者生存和優勝劣汰的原理，逐代（generation）演化產生出越來越好的近似解，在每一代，根據問題域中個體的適應度（fitness）大小選擇（selection）個體，並藉助於自然遺傳學的遺傳運算元（genetic operators）進行組合交叉（crossover）和變異（mutation），產生出代表新的解集的種群。這個過程將導致種群像自然進化一樣的後生代種群比前代更加適應於環境，末代種群中的最優個體經過解碼（decoding），可以作為問題近似最優解。
量子遺傳演算法是量子計算與遺傳演算法相結合的產物。目前，這一領域的研究主要集中在兩類模型上：一類是基於量子多宇宙特徵的多宇宙量子衍生遺傳演算法(Quantum Inspired Genetic Algorithm)，另一類是基於量子比特和量子態登加特性的遺傳量子演算法(Genetic Quantum Algorithm,GQA)。
量 子遺傳演算法(Quantum GeneticA lgorithm,QGA)。QGA採用多狀態基因量子比特編碼方式和通用的量子旋轉門操作。引入動態調整旋轉角機制和量子交叉，比文獻[2]的方法更具有通用性，且效率更高。但該方法仍是一個群體獨自演化沒有利用盈子信息的多宇宙和宇宙間的糾纏特性效率有待進一步提高。文獻[3]提出一種多宇宙並行量子遺傳演算法(Multiuniverse Parallel Quantum Genetic Algorithm,MPQGA)，演算法中將所有的個體按照一定的拓撲結構分成一個個獨立的子群體，稱為宇宙；採用多狀態基因量子比特編碼方式來表達宇宙中的個體；採用通用的量子旋轉門策略和動態調整旋轉角機制對個體進行演化；各宇宙獨立演化，這樣可擴大搜索空間，宇宙之間採用最佳移民、量子交叉和量子變異操作來交換信息使演算法的適應性更強，效率更高。

H. 麻煩各位給些與物流或者物流政策有關的英文文獻或者是外文文獻的翻譯，謝謝

從系統資源配置與服務水平相匹配的角度出發
由於電子商務的飛速發展，全球物流業方興未艾，同時也向物流業提出了新的挑戰。雖然在國內支撐B2C電子商務的物流模式多樣化，但從總體上來講該體系還不完善，跟不上B2C電子商務的發展速度。如果對電子商務的物流問題沒有足夠的認識和充分的重視，電子商務的優勢就很難在我國發揮出來。因此，以B2C電子商務為對象，展開物流配送系統的規劃研究具有現實的理論與實踐意義。

本文針對以往物流系統規劃中對各層面之間的制約關系考慮不足的弱點，從配送系統資源配置與對客戶所承諾的服務水平相匹配的角度，進行了B2C電子商務物流配送系統規劃的相關研究，其主要展開了以下內容：

l 在對B2C電子商務物流配送系統的構成及各要素特徵進行分析的基礎上，從本論文研究的角度提出了系統規劃的框架，主要包括規劃的概念、目標、主要任務及實現技術。

l 針對規劃所提出的系統資源配置規劃任務，充分考慮了現階段我國城市電子商務發展的現狀以及電子商務物流需求特徵等因素，建立了混合配送中心布局決策模型以及有交通條件約束與時間窗約束的配送配載綜合模型來進行配送中心與車輛的配置決策，並進行了模型的遺傳演算法設計。

l 為評價系統的資源配置決策結果與所承諾的服務水平之間的匹配關系，本論文建立了B2C電子商務物流配送運行模擬系統。第一，確立了B2C電子商務物流配送運行系統模擬的模型體系結構，主要由顧客需求產生模型、資源配置方案描述模型、配送網路描述模型、配送系統運行模型、交通網路分析模型、模擬評價模型六大類型的模型構成；第二，以該模型體系結構為框架，建立了該系統模擬的核心模型；第三，提出了B2C電子商務物流配送運行系統模擬軟體開發中一些關鍵技術問題的處理方法，包括面向對象軟體設計技術、系統設計及實現技術、軟體輸入輸出界面技術等；最後開發了電子商務物流配送運行系統模擬軟體。

關鍵詞：B2C電子商務 物流配送系統 規劃 配送中心布局 車輛配置 配送運行系統 模擬

Abstract
As the rapid development of e-commerce ,which brings new chances and challenges to logistics .there are many logistics models supporting the national B2C e-commerce, but generally the logistics system is not perfect so that it can』t meet the demand of EC. If the logistics of EC is not given enough attention , EC will have no more privillege. Under such a background, the dissertation , which oriented to the planning of distribution system for EC ,shows its signification both in theoretic and practical application.

Allowing for the shortcoming of former distribution system planning which pays less attention to the relationship between macro and micro and from the prospective of the system resource configuration and service level, the thesis focuses on the study of planning of EC distribution system which mainly includes the following aspects:

l Based on the logistics demand characteristic of clients of EC, the logistics system』s conceptual design and the planning』s tasks and objectives of macro and micro levels are studied.

l The paper builds the mathematics models of distribution center layout decision and the models of delivery and loading under traffic conditions and soft time-window based on the current condition of the development of EC and the logistics demand characteristic of clients of EC and the algorithm design.

l In order to evaluate the relationship of the system resource configuration and the service level, the thesis builds the simulation system of EC distribution operating . First, A model architecture is made up of client demand model , resource configuration scheme description model, distribution network representation model, distribution system operating model, traffic network analysis model, simulation evaluation model ,and so on. Secondly ,under the framework of model architecture ,the kernel simulation models are developed. Thirdly, some key techniques of developing a distribution operation simulation software system are presented in the thesis, which covers the topics on object-oriented design, system design, input/output interface design and etc. Finally, the software system is developed.

Keywords:EC distribution system planning distribution center layout vehicle configuration distribution operating system simulation

I. 有關遺傳演算法 外文文獻 2篇最好有譯文加外文。。翻譯的中文每篇字數2q以上。。求大神幫幫忙！！

我處禁止上傳文件，相關PDF外文文獻有，可沒那麼多，翻譯沒有，翻譯得靠你自己，希望能滿足你的需要，能幫到你，多多給點懸賞分吧，急用的話請多選賞點分吧，這樣更多的知友才會及時幫到你，我找到也是很花時間的，如果需要請直接網路 私信 或者 Hi 中留言貼出你在 網路知道的問題鏈接地址 及 郵箱地址