遗传算法实现机器人捡易拉罐

‘壹’ 东北小伙用易拉罐造出机器人的视频走红网络，你见过哪些有趣的民间手艺

这样的民间手艺有很多，用废旧轮胎做出动物模型，新疆大叔制作雪牛，用瓜子皮摆出各种各样的画，栩栩如生，惟妙惟肖。

这个东北小伙子也是一个人才，因为受到偶像主演的竞技类电视剧的影响，所以他自己也造出了一个易拉罐机器人。

这个视频迅速在网络走红，大家纷纷点赞这个东北小伙，看来偶像的力量也是非常大，完全可以起到积极正能量的引导。

湖南衡阳的小伙子是做汽车行业的，春节在家，他就边嗑瓜子，边摆图案，这一摆不要紧，还让他成了名人，什么孙悟空，刘德华，老鹰，狮子等等，什么都出来了。

据说这个小伙子弄这些东西，少则一幅作品几个小时，多则一天，他还准备把这些作品裱起来，挂在客厅和卧室。

我个人觉得刘德华那幅作品制作得很像，用瓜子皮制作画很有新意，真是一个了不起的人。

网络普及的当下，越来越多的民间大人从幕后走到台前，很多人都成了网红，让大家看到他们的精彩，这也是了不起的事啊。

我周围也有很多这样的达人，有人把酒瓶制作花盆，非常漂亮，一个工艺花盆也卖了很贵的价钱，这些都是把兴趣爱好变成商品的例子。

‘贰’ 请问什么是遗传算法，并给两个例子

遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借
用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性
的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次
提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方
面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构
和参数进行编码，一般用字符串表示，这个过程就将问题符号化、离散化了。也有在连续
空间定义的GA(Genetic Algorithm in Continuous Space, GACS)，暂不讨论。

一个串行运算的遗传算法(Seguential Genetic Algoritm, SGA)按如下过程进行：

(1) 对待解决问题进行编码；
(2) 随机初始化群体X(0):=(x1, x2, … xn)；
(3) 对当前群体X(t)中每个个体xi计算其适应度F(xi)，适应度表示了该个体的性能好
坏；
(4) 应用选择算子产生中间代Xr(t)；
(5) 对Xr(t)应用其它的算子，产生新一代群体X(t+1)，这些算子的目的在于扩展有限
个体的覆盖面，体现全局搜索的思想；
(6) t:=t+1；如果不满足终止条件继续(3)。
GA中最常用的算子有如下几种：
(1) 选择算子(selection/reproction): 选择算子从群体中按某一概率成对选择个
体，某个体xi被选择的概率Pi与其适应度值成正比。最通常的实现方法是轮盘赌(roulett
e wheel)模型。
(2) 交叉算子(Crossover): 交叉算子将被选中的两个个体的基因链按概率pc进行交叉
，生成两个新的个体，交叉位置是随机的。其中Pc是一个系统参数。
(3) 变异算子(Mutation): 变异算子将新个体的基因链的各位按概率pm进行变异，对
二值基因链(0,1编码)来说即是取反。
上述各种算子的实现是多种多样的，而且许多新的算子正在不断地提出，以改进GA的
某些性能。系统参数(个体数n,基因链长度l,交叉概率Pc,变异概率Pm等)对算法的收敛速度
及结果有很大的影响，应视具体问题选取不同的值。
GA的程序设计应考虑到通用性，而且要有较强的适应新的算子的能力。OOP中的类的继
承为我们提供了这一可能。
定义两个基本结构：基因(ALLELE)和个体(INDIVIDUAL)，以个体的集合作为群体类TP
opulation的数据成员，而TSGA类则由群体派生出来，定义GA的基本操作。对任一个应用实
例，可以在TSGA类上派生，并定义新的操作。

TPopulation类包含两个重要过程：
FillFitness: 评价函数，对每个个体进行解码(decode)并计算出其适应度值，具体操
作在用户类中实现。
Statistic: 对当前群体进行统计，如求总适应度sumfitness、平均适应度average、最好
个体fmax、最坏个体fmin等。

TSGA类在TPopulation类的基础上派生，以GA的系统参数为构造函数的参数，它有4个
重要的成员函数：
Select: 选择算子，基本的选择策略采用轮盘赌模型（如图2）。轮盘经任意旋转停止
后指针所指向区域被选中，所以fi值大的被选中的概率就大。
Crossover: 交叉算子，以概率Pc在两基因链上的随机位置交换子串。
Mutation: 变异算子，以概率Pm对基因链上每一个基因进行随机干扰(取反)。
Generate: 产生下代，包括了评价、统计、选择、交叉、变异等全部过程，每运行一
次，产生新的一代。

SGA的结构及类定义如下(用C++编写)：
[code] typedef char ALLELE; // 基因类型
typedef struct{
ALLELE *chrom;
float fitness; // fitness of Chromosome
}INDIVIDUAL; // 个体定义

class TPopulation{ // 群体类定义
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(); // 评价函数
virtual void Statistics(); // 统计函数
};

class TSGA : public TPopulation{ // TSGA类派生于群体类
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(); // 产生新的一代
};
用户GA类定义如下：
class TSGAfit : public TSGA{
public:
TSGAfit(int size,float pm=0.0333,float pc=0.6)
:TSGA(size,24,pm,pc){};
void print();
}; [/code]

由于GA是一个概率过程，所以每次迭代的情况是不一样的；系统参数不同，迭代情况
也不同。在实验中参数一般选取如下：个体数n=50-200，变异概率Pm=0.03, 交叉概率Pc=
0.6。变异概率太大，会导致不稳定。

参考文献
● Goldberg D E. Genetic Algorithm in Search, Optimization, and machine

Learning. Addison-Wesley, Reading, MA, 1989
● 陈根社、陈新海，"遗传算法的研究与进展"，《信息与控制》，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，"采用遗传算法自学习模型控制规则"，《自动化理论、技术与应
用》，中国自动化学会 第九届青年学术年会论文集，1993, PP233-238
● 方建安、邵世煌，"采用遗传算法学习的神经网络控制器"，《控制与决策》，199
3,8(3), PP208-212
● 苏素珍、土屋喜一，"使用遗传算法的迷宫学习"，《机器人》，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

‘叁’ 《智识分子》理性读书产出

以我的理解本书主要是用经济学和社会学的新思维来揭示现代社会的丛林法则，阅读时我的想象回到了石器时代的某个场景，仿佛这个时代像那个时代一样有这么几种人：

与上三种人不同的是，他们虽足以谋生，但不仅于此，而对某种超越于人的存在抱有期望。作者在字里行间透着意气，仿佛期望智识分子像英雄和圣贤那样引领时代，又仿佛想做个精明人在世间游刃有余。智识分子这个提法不是作者同人于野首创，但同人于野为它赋予了新的涵义，他/她得像极客一样追求卓越技术，像英雄一般迸发创造，圣贤一般的塑造品格，智者一般的敏锐洞见，绝不满足于其中一两种。
那么无论其主观意愿如何，人类这个群体总会产生新的命题——一方面是谋生存，一方面是谋发展。
我们知道历史上环境变了，人类从狩猎社会过渡到农业社会，或许很快会再一次转变：我们还知道富庶的文化未必胜于贫瘠的文化——在南方种水稻为生的九黎败于在北方种粟的炎黄部落。
这里面或许有某些客观规律，但人是其中最重要的角色，智识分子的身影尤为重要。或许这个想象不恰当，或许看了这本书会想做一个智识分子，也有可能哪种人也不做，因为在心中已经有了目标和道路。
不管怎么样，本书提供的理论和思维相当有趣，实用的角度来说也可以让你在面对信息社会时不至于成为井底之蛙而受人愚弄，它来源于作者在业余时间阅读含各学科前沿思想的书籍而产生的心得，写成文章再整理成书。这些思想不是哪个人一拍脑袋就得来的，而是有实实在在的研究，所以相当靠谱，也有些作者个人见解，不见得都成熟，对于思想态度应如书中所说——不妨试一试。
文章大部分在作者博客里发表过，值得再读，我为每一篇都做了笔记。

现代社会的趋势是复杂化、人工智能化和阶级分层，面对这三种趋势有两种选择：做狐狸还是做刺猬，智识分子要掌握刺猬式思维：多长不同见识，多学不同认知方式，这样能更善于做决策，也就是对未来能更准确的预判。

社会科学多数不靠谱，但它可能正处在大发展前夜，因为两个因素：

有几个心理学概念叫维特效应——模仿者效应，如模仿犯罪、模仿自杀，这些模仿不是因为自身原因，而是受外部影响的为了模仿而模仿，这种模仿使得原本与事件无关的人加入了事态的发展。因为每个人对于事态的敏感度有不同的阈值，最初只是一个小事件时如果恰好碰上了阈值低的人，它就有可能吸引越来越多的人加入事态发展，产生爆炸式的雪崩效应，因此有很大的偶然性。比如美国的校园枪击现象。

经济学或许很复杂，但经济学思维很有用，可称为智慧，本文说的经济学五个智慧：

民主未必有效，因为选民通常处于一种无知、不负责任的理性。这是在普通人认为自己缺乏影响力因而也不愿意深入了解政策、经济的情况下由情感直觉来投票，这种直觉更多的是以“小故事”串情结来理解政治行为，所以的政客都善于讲故事。选民对政府有期望，这种期望往往相互之间有矛盾，选民的期望与自己的实际行为也相悖。

没有任何一个研究证明做道德上的好人与取得世俗的成功有关，那些成功者——指富人、企业家接触起来非常有道德、有风度，善于跟人合作，但有研究表明这类人其实是非常自私、贪婪的人。也就是说成功跟自发的动力、跟欲望有关。不过做一个有道德的并非没有好处，当然所谓的道德并非文化规矩，而是自发的不受外界条件影响甚至不受自身情感影响（如同情心）的道德，它的真实含义是积极主动，用原则来思考，这样的人内心真正骄傲、自由，而且是一种不迎合他人的成功方式。

歧视有两种，一种是敌意性质的，一种是经济歧视，后一种越来越普遍，究其原因它是一种自利行为，它是在缺乏对个体具体了解的情况下先入为主的以群体印象代替个体印象，在经济行为中通常对自己有利，比如售车员给黑人白人介绍不同价位的车——更容易成交免得浪费口水和时间。

道德是一种直觉反应，人的道德差异一定程度上和基因有关，就像大纲之于文章。乔纳森·海特提出六个基本的道德模块：

有点像儒家提出的“仁义礼智信"，每个人的这六种模块的优先级和敏感度不一样，不同的政治意识形态也与这六模块有关，也就是说政治意识形态可能一出生就注定了，如自由主义者对关爱、自由、公平模块的认同度高，其他一般；保守主义者则六模块认同度比较均衡；还有一类自由论者看上去比较极端：除了自由模块认同度极高，其他的都非常低。

仅仅从其制度是否民主还是独裁来观察并不能解释很多政治现象，有一个简单的模型可以用来判断一国或一组织的政治格局：首先有领导人，以他为中心由外而内分为三围：最外围为名义选民，他们名义上有选举权和被选举权，而实际上权力被代理，作为个体来说没有任何影响力；夹心层为实际选民，那些真正对谁当领导人有影响力的人，在领导期间影响力弱化；核心层中心围为胜利联盟，他们是领导者维持权力运作而必须依赖的人，是权力结构中的关键人物。政治格局主要看领导人和胜利联盟的关系：他们相互支持也相互对立，领导者本质上为胜利联盟服务，但他有减小联盟人数来最大化自身利益，以及强化替换联盟者能力的天然冲动，而胜利联盟也想扩大人数来巩固各自的利益和权力还有安全感。长期政治生态要看名义选民和实际选民与领导者及其联盟的关系。经济发展促进民主化的作用也许就是人民在市场交换的过程中磨合、演化，越来越多人想要越来越多的权力——他们想要加入联盟。

教育的一个核心功能是把人分类，而不是关心是不是自由选择、公平竞争，是不是把学生培养成一个优秀的人。因为现代社会的运作方式就是大部分的工作是有门槛，不会放任无序竞争（谁愿意拿低工资谁干），它需要稳定性、职业技能和些许士气，因此越是高端的工作越是具有稀缺性，这个稀缺性传递到教育上变得像搞军事竞赛一样，然而职位不会因为竞争之激烈而扩招，经济也不会因为教育竞赛而发展。事实上正是因为经济发展教育才得以发展，因为经济发展产生很多新就业机会，工作（分工）进一步拉大差异，进一步导致稀缺，也就是进一步加大了竞争。职业的差异和不同的稀缺性是贫富差距的主要原因之一，那么同样一个聪明学生，如果他出身家庭条件不错，他有更多更好的机会，上不上名校其实影响不大，这样更少的被应试教育捆绑，可以培养多样化的能力。但对于低收入家庭来说，也许他一辈子唯一的机会就是上一所名校改变命运，那么他更多的被应试教育绑定而能力单一，如此一来家庭条件很大程度上决定了下一代的收入水平。

看起来美国的常青藤学校相比中国的名校教育模式先进不少，无论是对职业还是人的身心发展，它们的学生及要求的入学者有丰富的兴趣活动、社会实践并获得荣誉，还有其他各种能力。但实际上中美精英教育半斤八两，因为上文所说的现代教育的核心是把人分类。精于此道者在中国被称为精致的利己主义者，在美国被称为优秀的绵羊，各自疲于奔命，在中国刷考分值，在美国刷经验值。之所以常青藤学校是这么一种教育模式，它源于过去美国的精英在搞阶级固化，办常青藤学校是让自己的子弟培养素质、相互结交，当然逐渐的也会吸收一些别的血液，它们的原本目的是培养贵族，所有它要求的素质教育，如拉小提琴、击剑等是面向上层社会的。作为私立学校，到现在美国的名校已经找到了一种很好的商业模式，重点是：排名（如重视录取率）、科研（重视能产生直接经济利益的应用科学）、录取（重视薪水高的金融、律师等职业）和校友捐款，相比过去它反而更不重视教育本身了。

从社会的角度来说摆脱贫困单靠帮助就业、经济援助、帮助其子女获得更好的教育等手段恐怕不行，得多管齐下。贫困往往是和文化是一体的，文化影响人的思维方式、行为习惯，即便一个人想出人头地，他的生活圈子也会给他潜移默化的负面影响，尤其是家庭方面，事实上这才是最大的问题。美国有一种教育叫KIPP，它随机的抽取一些穷人家庭的孩子入学，实行半管制半激励的教育方法，可概括为围绕“一个中心两个基本点”，中心指的是以考上大学为目的，两个基本点一个努力学习，一个是好好做人。具体包括相比普通学校让学生更多的时间在学校、更多的课外任务、全方位的奖励制度。还包括普通学校不注重的品质教育，这些品质包括有坚毅、自控、热忱、社交、感恩、乐观、好奇。这些品质跟考大学没有直接关系，但可以帮助学生更好的自觉、融入社会，养成长期的良好习惯。说起来也简单，关键在于严格、细致的执行，严格到上课时一个小动作全班停下来帮助其改正，细致到在不同场合和老师、同学说话都有一套社交礼仪。这种教育其实是一种强化训练，弱化学生来自家庭、生活环境的不良文化影响以及建立良好的身心习惯。这种教育很成功，它的学生大学入学率80%，而美国穷人平均才8%。

中国人说圣贤之道，美国人说神圣（holiness）品格，两者异曲同工，本质上它是从漫长的人类历史中识别出的（也可以说是理想的）的精英素质。有了品格可以更好的办大事，无论是意识形态的引领，还是具体公共事务，有品格的人做到更好。圣贤不为自己谋私利，甚至放弃成就名声的机会，这些也是品格的表现。西方思想中有一种“曲木传统”教人如何培养品格，很像中国所说的“中庸”思想：首先认识到自身的缺陷，保持谦卑之心；克制冲动，然后勿以恶小而为之，勿以善小而不为，一点一点的在实践中形成；办事不是简单的一碗水端平，而是敏锐的关注各方信息，注意不同的诉求、冲突，寻找平衡点（也就是寻找最大公约数），随时根据当前局势作出临时性的安排。既然圣贤之心能让人信任，他的能力曲直灵活兼顾各方，办事自然无往而不利。美国现在的主流文化是：Big Me，它表示一个人遵从自己内心的兴趣、需求去做事情，实现自我，典型如乔布斯，但曲木之道不是如此，它意味着小我的牺牲，是被某种事业召唤而投身。现代社会相比过去对品格的尊崇减弱了，一个原因是物质极大丰富造成的，过去普通人也注重品格教育的原因是因为在物质稀奇的时代一个品行不端则代价高昂，现代社会对人的宽容度高得多。本文没有探究为什么要培养品格，或者做圣贤是什么样的体验，普通人学习品格如果不是为了办大事，至少也更不容易被公众人物忽悠。

大数据预测就是成见预测，成见是对历史必将重演的信心。如果一个人做事处处符合大数据预测，那么他将被机器人取代，很不幸大部分人都如此，但有些人用统计模型却预测不了，这类人可称为英雄。现代社会的体制是工业流水线的模式，分层来看，越底层越需要规范，越顶层越强调灵活自由。还是以教育为例，分三个层次，分别对应三种阶层的家庭：贫民家庭对应于培养工具，教育以找工作为目标；中产家庭对应于培养工艺品，目的为提高自身价值；上层家庭对应于培养主人翁，以选择和改变世界为目的。下层教育遵循机械式流程，不需要理解，甚至不需要做对，而是熟练掌握过程。往上层逐渐有了一些方法、技巧，接着是注重独创、灵活，最高级的教育培养决策能力，也就是决定做什么不做什么，分析为什么这么做以及演练这么做的后果。这种教育结构使大多数人难以超越其上一辈的阶层，更何况其中还有基因和环境对他的限制。再回到英雄，英雄就是异类，他可以不问出处，甚至他的出身比普通人还糟（调查了大量的历史名人），身心有更大的缺陷，但正是因为困难没有将其打败，他成功改变自己，变得更强大，究其原因，是这类人身上有一种高级的内在动力——使命感。为什么英雄如此耀眼？因为社会需要创新，创新需要信息，信息也就是意外，一个意外如果有了正反馈就能带动进步，进步本质上是用一种新事物使得新需求代替旧需求。但创新有风险，所有英雄需要勇气、毅力、智识和品格。

这个社会的多数人喜欢确定性，也就是喜欢可预期的回报，政府谋求稳定，娱乐业喜欢演老故事，高考作文题年年俗套：因为这样那些努力的学生才更容易被选中。什么样的事件容易预计？是那些较少可能出现连锁反应的简单系统，但现代社会多数方面是个复杂系统，在这个系统中强调脆弱性就容易在黑天鹅事件中受损，当然也有人利用这个脆弱性受益。

网络高考作文主题预测准确率非常高，它的原理是什么？是运用了一种主题模型技术，叫LDA（隐含狄利克雷分布），这种技术的思路是将文章看作是词汇的集合，主题看作是一些关联关键字的集合，主题和其关键字由人为的设定，然后用算法分析一篇文章的不同主题关键字的出现频率，计算出这篇文章是每种主题的概率，通过分析大量的文章，就知道哪些常用主题了，再结合今年的热门信息，就可以预测今年的热门主题。这种技术还可以用在图片分类、歌曲推荐、新闻、剧本、游戏分析等。数据分析能让好的东西更快的流行，也更快的消失，因为人在追逐潮流，也喜欢标新立异。

从不同的时空尺度思考相同对象往往会得到不同的结论，从小尺度现象出发往往解释不了大尺度的问题，而当研究大尺度问题时小尺度现象一般可以简化或忽略。研究大尺度问题其中有几个关键因素——硬条件，指的是那些长期不变或变化缓慢的因素。比如中国两千年华夷斗争的硬条件是气候和雨量，百万年前原始人种之间斗争的硬条件是基因，而10万年前各大陆人类发展速度不同的硬条件是可驯化的动植物种类。人之所以为人有两个硬条件，一个是创新，一个是分工，而这两个硬条件又依赖于其他很多硬条件，如创新的关键是语言，它使得人能更清楚的知道自己在想什么，导致有意识的创新，也更容易表达，以及人的寿命比生殖年龄长很多，知识得到更好的传承。女人的生理上没有发情期，这便于合作。进化充满了偶然。

历史虽然充满偶然，但总有规律可循，可以预测大概率事件，这可以称为大势。技术就有某种大势，很大程度上技术的大势也决定了天下大势，因为技术有几个显着效应：

技术的发展不受任何一人或一个小群体的控制，它的发展就像生物进化。有最新研究表明生物的进化并非完全随机，而存在某种自组织的机制，使得基因变异有几种特定的方向，表现为几种特定排列组合模型，如不同物种身上的翅膀、眼睛乃至基本的DNA结构，这些特点结构在环境下有最好性能。如果模式是随机出现的，那概率会像猴子打出一部小说那么小，这种自组织可能是正反馈导致演化加速。技术也是这样，如各种文明都是各自独立发展起来的，先有石器后有火种，再接着出现刀。甚至某些技术出现的时间都有规律，20世纪就有很多某个技术几乎同时被不同研究者发现的例子。因此一定程度上可以预测技术和社会趋势，比如研究者RobertJervis发现历史上进攻性武器技术和防守性武器技术是交替出现的，进攻性武器取得诸多会让战争变得频繁，因此他判断互联网是进攻性武器，因为它让恐怖袭击比反恐成本低得多，自然的恐怖袭击会越来越频繁。

本文根据作者自己学英语的经验总结。学英语要争取短时期内突破。先背单词，一天拿几个小时背300-600个，根据遗忘曲线一边复习一遍背新，同时找大学英语课本之类的书每天精读一篇其中的文章（上面有注释和讲解），体会语法和单词用法。以上是基本功，基本功练完找当下新出版的精品英文书籍阅读，最好要有趣点，听力部分听有声书。这么做的用处是建立隐性知识，也就是将原来片段性的、理解不深的知识织成网，并深化到真实情境中。学完一门外语再学其他外言将快速得多了。

信息极客的基本功是会用搜索技巧。第一个功夫：阅读学术论文；第二个功夫：阅读原始数据；第三个功夫：主动采集和分析数据。信息极客用这些方式来长知识、当谈资、思考和解决问题，同时也把它当作一种消遣娱乐。

本文分析的辩论是指气势上压倒对方、口头上让人没话讲的辩论术，而非澄清事实解决问题，也非想为了说服对方。

相信或不相信这样的信念意义在于给自己的决策提供依据，智识分子应该拥有复杂的、动态调整的信念体系。科学的判断某个信念是否可靠，可以运用贝叶斯定理，这是一个公式： 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)：烧香取得的高分的信念度，假设取15%；
P(B|A)：甲同学烧香并取得高分的概率，取80%；
P(B|A ̅)：甲同学未烧香并取得高分的概率，取50%。
则计算得出调整后的信念度P(A|B)=22%。
假如又有乙同学来烧香，则以原P(A|B)代入P(A)，再估算P(A)和P(B|A)，得到新的的P(A|B)，
以此类推。

进化心理学研究人身上的动物性，一般以人的本能为研究对象，和动物进行比较，寻找共性，以此来解释人的行为。进化心理学还会研究人的看起来是文化性的行为，会研究一些意想不到的事实，将复杂问题简单化，但更多的是解释不了，这是社会、环境、文化对人的影响，很多现象是反进化心理学的，因此作者认为人受教育是为了超越进化心理，用理性克服本能。

从数学到物理，再到化学、电工机械，再到生物、医学，再到经济、政治、心理学......这些领域的知识可靠性逐渐降低，因为实验的参数增多，系统复杂化。然而不靠谱的知识在日常生活中或许更有用，因为贴近生活。所有不要相信绝对真理，对所有理论都抱着可以试一试的态度。

刻奇是一种心理，也是一种社会现象，它的含义自媚，自我讨好、自我感动。以《时间简史》为例，这本书首版于1988年，内容已经过时，仍常驻在各大网上书店的热销榜，为人津津乐道，却很难根据人们的谈话来了解书中的内容，因为大部分人没有读懂它，甚至没有读超过全书6.6%的篇幅。作者提到了自己作为一个普通的物理学家的真实状态与入行前想象的物理研究之间的落差。这不意味着内行不应该像外行普及知识，外行不应该谈论内行知识，而是用正确的态度，刻奇就是一种不好的态度，正确的态度是多思考，阅读的目的是为了收获智慧和见识。

为什么上世纪六七十年代载人航天如火如荼，五十年过去了怎么感觉不进反退了呢？原因是载人航天巨耗国帑，通过计算无论是直接经济收益还是间接经济收益都远小于投入，在载入航天上搞的科学实验绝大多数也不必在载入航天上。所以载入航天其实是个形象工程，除了提升国民幸福感，向他国炫耀一下国力没什么别的大用。载入航天发展缓慢的根本原因是目前外太空还没有让人类获得巨大经济利益的资源，但如果一旦有了，人类探索外太空的模式将由郑和下西洋转换到大航海。

数字时代已经来临，越来越多的公司开始用大数据技术去采集人身上的数据进行分析预测，覆盖人的衣食住行方方面面，比如你在视频网站的个性推荐、网上书店的推荐书单，搜索页面上的个性广告。它跟踪进你家，在你找到一份工作是为你投递消费品广告，跟踪进你从未去过的餐馆直接递给你喜欢的啤酒，等等，似乎相当不错，但它也可以知道你为某个东西不在乎多花钱，比如这本《智识分子》相比它的前作《万万没想到》，同样的纸质和厚度售价贵了10块钱，它在发售前在亚马逊预定的价格比出版后直售的价格贵了5块钱，所有说大数据或许可以让人受益，也能让人当冤大头，还涉及到隐私、干扰等问题。在数字时代要不想当数字的奴隶就要学会玩数字。

技术进步通常解决了老问题，转变了行业，创造新就业，也导致了相当一部分人失业。这个趋势在IT技术的冲击下进一步极端化了，IT提高了生产效率，对人的淘汰是空前的，像FaceBook、WhatsApp这样的公司几十几百人管着几亿人的业务。IT意味着智能化，它不但淘汰低端职业，甚至也淘汰高端职业，很可能超出人的想象，如主动驾驶、智能翻译、智能律师、智能医生等等，在这种逐渐展开的与机器竞争的态势下，只有少数人才是赢家，是那些高创造高技术的人、高魅力值的超级明星、资本家，赢家通吃，财富向更少的人集中，世界上的总工资买不起世界上的总产品，这可能是市场经济的本质矛盾。

有知识、会找知识已经不值钱了，不久会用知识恐怕也不值钱了，因为这些机器都可以取代，看看最近的新闻：腾讯出了计算机自动编写的新闻、IBM的智能系统“华生”给人问诊，这些可能是危言耸听，但不妨思考下这种趋势下人还能剩什么？或许只有创新，连这种能力机器都能部分的取代，用的是组合、进化、穷举，在工业和制药业非常常见，人都干不了。再问人还有什么？人有判断能力，人有情感能力，只要机器还是为人服务的，人就有可能比它判断更准确，人就有可能更喜欢人而不是机器。

对付智能化的机器不是杜绝它，也不是尽可能的让它取代自己的工作，而是带着机器竞赛，利用机器的优势，善于弥补它的不足，发挥人的长处，用它来训练自己，也调教它看得更透更远。2005年Playchess.com网站就举办了一次自由式国际象棋比赛，两个业余选手使用三台普通电脑打败了最强的棋手和最强的计算机成为冠军。

恐怖主义、P2P、维基网络等符合一种叫去中心化的组织形态，它就像海星挖个洞切个角还能复原。这种组织形态非常原始，远在国家产生之前。这样的组织很难彻底消灭，也很难用它赚大钱干大事。那么杀死“海星”有三种策略：

组织的意义在于降低交易成本，但组织为了自身的稳固需要增加管理成本，组织扩大又会增加交易成本，这是一个悖论，为解决这个悖论有很多种组织形态的尝试，合弄制（Holacracy）是其中看起来很有前途的一种。它的理念来自生物学上“合弄结构”这个概念，核心以目的为向导，以事务功能为主，层层嵌套，分权与协作。具体为：先存在某个具体的目的聚起了一帮人，组成一个圈，共同办事实现这个目的。圈有链长，决定拉人踢人，有完全的人事权，其他权力和圈成员一样。圈可以子圈，子圈的功能是对圈功能的分解，由母圈的管制会议产生。管制会议由圈所有成员及子圈代表出席，讨论和决定工作事务。子圈的结构和母圈一样，子圈也可以有子子圈..层层嵌套，根据需要。一个圈的功能完成后即解散。每个人都可以在不同圈中承担不同角色。合弄制的好处是灵活、多变、分权、法治化、主动化、透明和效率，实践案例有谢天华的Zappos。holacracy.org是专门研究合弄制的网站。

什么样的才算最好的?未必是人工设计的，在一个未知的复杂系统中，存在即是最好，它是进化的产物。有科学家根据进化的原理研究出遗传算法，遗传算法可以用来设计产品，但设计的过程却不是人来控制。Mitchell有一个研究遗传算法的例子：一个只有有限视力的机器用尽可能智能的策略在规定时间内在一堆房子里找到随机散落的易拉罐并把它捡起来。主要原理是先随机生成很多策略，然后放在多种模拟环境中测试，选出适应度高的随机两两配对产生下一代（其中还随机做了点修改当作基因变异），再放入模拟环境，如此循环很多代后得到理想结果，结果就是非常智能，甚至其中的子策略（基因）还能相互配合。遗传算法已经被广泛应用于很多实际领域，如工程师用它设计天线，形状奇怪，非常好使，却不能解释它为什么好使。市场经济可以说深谙进化之道，公司随机生成、变异、交配，不断创新，也不断淘汰。

本文提倡一种消费主义精神。投资和经济增长是非线性关系。自动化导致生产能力提高、产出增加，市场趋向饱和，劳动力减少，工资减少，投资务须加大，剩余利润无合理去处，产生泡沫和金融危机。这是一个物质极度丰富的时代，机器和财富赋予普通人更多的自由，生产和消费不应该为了升值，而是为了使用价值，也就是消费为了扩大消费，搞财富再分配，投资社会化（追求使用价值），它的好处什么呢？更多的物质和精神生活，更多的民主和自由，促进科学、文化、艺术的发展，背后是人的进步，社会的进步。似乎很理想，但是如何合理的财富再分配？如何有效的社会化投资？是个大问题，消费主义也未必促进人的进步。

‘肆’ 遗传算法的并行算法该怎么实现

Matlab里面实现并行很简单，只需要把for改成parfor就行了。

首先需要启动并行机器人，电脑有几个CPU就能启用几个，超过CPU核心数会报错。

matlabpoollocal2

最后记得关闭

matlabpoolclose

使用parfor需要注意，循环中间不能有迭代，只能是单纯的计算，比如计算目标函数值。

‘伍’ 柱面坐标机器人要学什么算法

咨询记录 · 回答于2021-10-28

‘陆’ 什么是机器人学习

1. 机器人能自己学习。前提条件是工程师设置了让机器人自己学习的程序。
   

2. 机器人有自己的思维。它的思维是程序模式，即工程师设计的机器人思维模式。

3. 自己学习的实现：比如语言学习，分基础学习和随机学习。基础学习是让机器人首先具备特定的几种程序语言，当工作中遇到不懂或无法解释的程序语言时，就自动选择其它种类的程序语言，即基础学习。随机学习，指机器人在工作中，可以随机学习人们给它指定的程序语言或逻辑判断。比如机器人自己学唱歌，需要人先唱一遍，机器人可以用数模转换器，将模拟的声音信号转换成数字信号，然后将数字信号经过算法压缩，存储在随机存储器里，这样人只要唱一遍，机器人立即就学会了。其实这就是在数码录音机原理的基础上，赋予机器人的一个功能。区别于录音机的机器人自己学习，是机器人还必须具备各种感应、感知、回答与控制的系统，以适应和人类交流的习惯。
   

‘柒’ 《Java遗传算法编程》pdf下载在线阅读全文，求百度网盘云资源

《Java遗传算法编程》网络网盘pdf最新全集下载:
链接: https://pan..com/s/1l6_14X1Yhcgv8kYwHqyY2g

‘捌’ 遗传算法具体应用

1、函数优化

函数优化是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例，许多人构造出了各种各样复杂形式的测试函数：连续函数和离散函数、凸函数和凹函数、低维函数和高维函数、单峰函数和多峰函数等。

2、组合优化

随着问题规模的增大，组合优化问题的搜索空间也急剧增大，有时在目前的计算上用枚举法很难求出最优解。对这类复杂的问题，人们已经意识到应把主要精力放在寻求满意解上，而遗传算法是寻求这种满意解的最佳工具之一。

此外，GA也在生产调度问题、自动控制、机器人学、图象处理、人工生命、遗传编码和机器学习等方面获得了广泛的运用。

3、车间调度

车间调度问题是一个典型的NP-Hard问题，遗传算法作为一种经典的智能算法广泛用于车间调度中，很多学者都致力于用遗传算法解决车间调度问题，现今也取得了十分丰硕的成果。

从最初的传统车间调度（JSP）问题到柔性作业车间调度问题（FJSP），遗传算法都有优异的表现，在很多算例中都得到了最优或近优解。

(8)遗传算法实现机器人捡易拉罐扩展阅读：

遗传算法的缺点

1、编码不规范及编码存在表示的不准确性。

2、单一的遗传算法编码不能全面地将优化问题的约束表示出来。考虑约束的一个方法就是对不可行解采用阈值，这样，计算的时间必然增加。

3、遗传算法通常的效率比其他传统的优化方法低。

4、遗传算法容易过早收敛。

5、遗传算法对算法的精度、可行度、计算复杂性等方面，还没有有效的定量分析方法。

‘玖’ 复杂的目录

前言
致谢
第一部分 背景和历史
第1章 复杂性是什么
昆虫群落
大脑
免疫系统
经济
万维网
复杂系统的共性
如何度量复杂性
第2章 动力学、混沌和预测
动力系统理论的起源
对预测的重新认识
线性兔子和非线性兔子
逻辑斯蒂映射
混沌的共性
混沌思想带来的革命
第3章 信息
信息是什么
能量、功、熵
麦克斯韦妖
统计力学提要
微观态与宏观态
香农信息
第4章 计算
什么是计算？什么可以计算
希尔伯特问题和哥德尔定理
图灵机和不可计算性
定义为图灵机的明确程序
通用图灵机
图灵对判定问题的解决
哥德尔和图灵的命运
第5章 进化
达尔文之前的进化观念
达尔文理论的起源
孟德尔和遗传律
现代综合
对现代综合的挑战
第6章 遗传学概要
第7章 度量复杂性
用大小度量复杂性
用熵度量复杂性
用算法信息量度量复杂性
用逻辑深度度量复杂性
用热力学深度度量复杂性
用计算能力度量复杂性
统计复杂性
用分形维度量复杂性
用层次性度量复杂性
第二部分 计算机中和生命和进化
第8章 自我复制的计算机
生命是什么
计算机中的自我复制
自我复制程序的深层意义
DNA的自我复制
冯·诺依曼的自制自动机
冯·诺依曼
第9章 遗传算法
遗传算法菜谱
遗传算法的应用
进化的罗比，易拉罐清扫机器人
GA演化的策略是如何解决这个问题
GA是如何演化出好的技巧的
第三部分 大写的计算
第四部分 网络
第五部分 尾声
参考文献

‘拾’ 说明文作文

在平凡的学习、工作、生活中，大家都经常看到作文的身影吧，借助作文人们可以实现文化交流的目的。作文的注意事项有许多，你确定会写吗？以下是我为大家整理的说明文作文6篇，供大家参考借鉴，希望可以帮助到有需要的朋友。

说明文作文 篇1

我家有只活泼的小狗，它长着雪白雪白的毛，只有额头上是淡褐色的，它有又尖又长的嘴巴，锋利的牙齿和爪子，又红又湿的鼻子，三角形的耳朵，明亮的大眼睛，美丽极了。我给小狗起了个名字，叫欢欢。虽然欢欢这么调皮，但我还是一如既往地喜欢它。

欢欢的性格和名字一样，非常的欢快、活泼，每当我放学回到家，欢欢就会一下子冲出来，在我的双脚之间来回的磨蹭来，磨蹭去，甚至朝我扑过来，要我抱。之后，妈妈就找了个我们不用的小桌子，把欢欢放上去，快放学了，欢欢就坐在桌子上，抬头遥望着学校的大门，那双忧郁的眼神，好像在说：“小主人，你什么时候才放学？我在家里等着你回来陪我玩呢！”

放学了，同学们列队走出校门，欢欢就一个人一个人的看着，看啊看，仿佛在找谁是我的小主人，当它看到了我，欢欢只能摇着尾巴，四只小脚不停的跺来跺去，非常兴奋，好像在说：“小主人，你总算回来了，我等你等了大半天了！”可惜它在桌子上，不能扑过来和我玩了。

现在，欢欢长大了，比原来更加的活泼了，每次拿扫把扫地或拿拖把拖地，就会扑过来，紧咬不放，还把头东甩西甩，争强好胜，我们怎么拉也拉不出来，以前有一把拖把被小狗咬烂了；现在我们把扫把提得高高的，小狗见了，就想跳起来咬，当他跳的那一瞬间，我们惊呆了，没想到欢欢能跳得这么高，真是太厉害了。还有呢！爸爸把一条绳子，挂在墙上，欢欢看见了，轻轻一跳，一口咬着了，一直往下拉，棉绳一会儿向上一回向下，可好玩了！

说明文作文 篇2

现在生活水平高了，生活也富裕了，家家户户都有了电脑，但是应该怎样使用电脑呢？使用电脑的时候须注意什么？这些就不是人人都明白的了。

首先，我们要学会正确的开机和关机。开机，要先打开显示屏，再打开电源。待显示屏上出现反应后，再将主机上最大的按钮按下，在这期间不要按动键盘，否则对电脑是不利的，甚至有死机的危险，等到光标变成小箭头之后，才能进行下一步操作。关机，先将打开的文件和网页全部关掉，之后点击桌面右下角的“开始”，屏幕上会出现三个按钮，待机，关闭，重新启动，点击“关闭”就可以了。要等显示屏黑了、主机指示灯灭了后，再关掉电源。切忌关机时直接去关主机上的大按钮。

说实在的，开始我并没有把信息技术看得怎么重，我对电脑没有太大的兴趣，除了玩玩游戏、查查字典，也没有什么好干的.。后来，学校开设了信息技术课，老师先把书本内容讲给我们听，再正正规规地开机实际操作。几节课后，我学习了不少新知识，我了解到电脑是代替人脑处理信息 的机器，它也和人脑一样可以输入信息、记忆信息、输出信息，通过网络还

可以把全世界的信息联通起来。信息技术不仅仅是一台电脑，还有许多处理设备，以及互联网，电脑也不仅仅是只能打字、做游戏，功能多着呢!在我还不会写字的时候，就喜欢在电脑上画画，虽然线条弯弯曲曲，却也别有趣味，与后来在青少年宫学的画不一样，电脑里还存储着好多篇我的作品呢。上学后，电脑成了我的大词典，找近义词、反义词太方便了。

我们还可以在网上听歌、玩游戏、看电视、放松自己的心情，有了电脑我们通讯就方便了，登了QQ就可以和远方的朋友问好，还可以发送电子邮箱，看到自己的照片，十分方便。

我爱电脑，更爱电脑里的文件和方便.

说明文作文 篇3

有一次上学时,我看到一个小男孩儿扔了一个易拉罐,我突然闻到了一阵玫瑰香味,便跟着味道找去. 到了一个神秘的地方。“这是什么地方？为什么这么脏？满街的易拉罐。”我心里嘀咕着。

突然，从垃圾堆里冒出了一个易拉罐机器人，对我说：“这地方你不知道？这就是你们22世纪的‘美妙’地球呀！水中的鱼儿被易拉罐小狗折腾得喘不过气了。”我连忙去救小鱼儿。小狗立刻扑到我身上说：“走开，不是你们造了我吗？这是报应，地球人！” 我又回到了路上，心里一直想着刚才好险呀！我一定要改造地球。 第二天早上，我又来到了这个地方，又见到了易拉罐，便随手捡起。易拉罐机器人说：“你真棒！”

说明文作文 篇4

我们的沙头中学很美丽。我第一次来到这个学校，就不知不觉地喜欢上她了。她每一天都是新的，每一天都是美的。

清晨，太阳还没出来，东边的天空出现了美丽的朝霞，小鸟儿还沉睡在梦乡中时，我们就以在学校开始跑操了，我们的国歌是：起来，不愿做奴隶地人们……

中午，我们结束了半天的课程，大家都回家了。这时，整个校园沐浴在灿烂的阳光下。一切都显得那么有生气。绿湖上金光闪耀，像一条条龙。而湖中的小岛就像一颗绿色的玉石，浮在水波上。同学们就像刚出笼的鸟儿，吱吱喳喳说个不停。

晚上，就更美了。灯光映在湖面上，就像无数个星星在闪烁。明亮的路灯下，同学们有的在散步，有的在做游戏，还有的在和老师讨论问题。深蓝的天空看不见边，就像一个巨大的海洋，弯弯的月亮像一只可爱的小船，而星星就像小鱼在大海中玩耍。晚自习开始了，每个窗口灯光明亮，教室里一片安静，同学们都在知识的海洋里遨游

时光匆匆的过去了，我在中学学习眼就快1年了。在这1年的岁月里，我积极进取的班干部，力求上进的好学生，更主要的是，在时间的匆匆流逝中，我对学校的感情更深了，更浓了。再过2年，我们就要初中毕业了，这怎么能不让我留恋啊！

我们的学校美丽、和谐。当早晨第一缕阳光悄悄撒落大地，降临校园时，我常常伴随耳边的阵阵微风，尽情地享受难以形容的惬意，快乐、舒心地吟诵经典美文。勤奋博学，创新进取，成为我们和万端口中学每一位学生的追求。

啊，我可爱的学校，你每一天都是新的，每一天都是美的。我爱你，我美丽的学校！

我爱我的学习。

说明文作文 篇5

要怎样漫长又铭心的等待，才能浇灌出这样的盛放的花开。

——题记

第二十五次。

装作不经意一般走过那块熠熠生辉的大宣传板，已经是第二十五次了。阳光照耀下，宣传板上一张张笑脸、一个个名字，就像被镀上了金一样，刺刺地扎中我心底的不甘。那是新成立的学生会成员，那些照片上的笑脸，因为旁边的职位名称而看起来更加开心。

班主任曾不止一次地赞扬过我的能力，也曾多次在我面前提到即将成立学生会的事情，可是为什么没有我？

老师没有守信用。这是我的第一想法。可想想，老师也不曾承诺我什么。可是不让自己默许的候选人进入学生会，还让像小杨、小宁这样平平无奇的人担重责，这学生会的组成真是既欠考虑又恼人。

“小月！老师催你做黑板报了！我们班每次都是临时抱佛脚，他让你注意！”我闻声一拍脑袋，但心下烦躁，就走到图书角去寻找素材。

迎面映入眼帘的是一本封面淡雅的书，封面上印着四个大字：静待花开。扉页只有一句话：“你可曾在自省后静静等待那艳丽的盛开？”我不由自主地问了自己一句。同学刚刚的声音又回响在耳畔：黑板报都做不好，还谈什么学生会？

我又沉下心来，不紧不慢地操办着手边的班级事务，课内课外的活动，我尽心尽力地负责着我应该负责的部分。出了差错，尽量克制自己不因为老师的批评气得跳脚，尽量让自己顺从地去寻找自己的原因。犯错不再可怕，因为每一个错误都是那漫长的等待中一个蜕变的机会。而尝试着不因失败责怪他人、抱怨连连，则更加彻底地颠覆了我的心态。我终于留意到，我常常忘了做班级黑板报或登记重要的事情，我开始发现，自己是那样的错漏百出，那样不能让人放心地信任，那样的需要磨练与沉淀。

我开始明白，机会需要的，是一个宁静自持、成熟稳重的人，而不是一个自大狂躁、不能自省的人。若要花开倾城，唯有静心等待。

一年之后，恰逢学生会重组，我毫不担心。果不其然，名单里有了我。我紧握着手中的会议单，不负等待，终于花开。

有时等待需要更大的勇气与付出，等待耗费的时光和耐性磨人志气，等待的未知让人迷茫而不知前路，但那倾城的盛开犹如黎明前的曙光，绵长的温暖让所有漫长的黑暗统统变得不值一提。唯有走过这条路的人才能慨叹，这世界上最美好的，莫过于怀揣着坚定的目标，静待花开。

说明文作文 篇6

面，在我国的古代就有了，可见历史源远流长。面，有许多种：方便面，长寿面，炒面。

每种都很好吃，各有各的特色，让人回味无穷。但是最合我的胃的还是那连“面”不绝的拉面。

面也分很多种，有青菜拉面，牛肉拉面，羊肉拉面······其中我对牛肉拉面是情有独钟。说着说着体内的馋虫又爬出来了，本人今天就“辛苦辛苦”再品尝一下牛肉拉面的滋味。

我来到面馆，点了一份牛肉拉面，然后静静地站在一旁看面条师傅怎样拉面。只见师傅取出一团面，先在桌子上搓成短短的粗粗的条子，用手尽量拉长一点，然后在空中像荡秋千是的来回晃，每次都重重地落在桌子上发出一声声清脆的响声。当面团成长长的细细的时，那洁白如雪的面团已经“瘦身”成了一个“瘦子”了，师傅又把两只拿着“面条”（呃~还不能算面条，只是个半成品）的手来回收缩，我还没看清师傅做了什么，拉面已经在他手上了，一根也没断，哇！真是“无影手啊”！师傅把面下到锅里，过了会儿面好了。师傅把面放到碗里，到上准备好的汤料，再到上些辣椒油，撒上薄薄的牛肉片，一碗热气腾腾的牛肉拉面这就出锅了。

服务员把拉面端到我的桌子上，我望着香喷喷的拉面，简直于心不忍把它吃掉，我使劲的吸了一口气，啊！一股辣香味直冲我的中枢神经，望着那“油浓如血”的辣椒油和肉红色的牛肉，两者搭配起来真是无与伦比的美味，我再也忍不住了，到了一些醋和辣椒拌一拌，我夹了一块牛肉咬了一口，真好吃！吃了一口面，哇！麻辣和劲道，一起涌进嘴里，美味在我的舌尖上舞蹈，我狼吞虎咽的把拉面吃了个精光，连汤都喝得干干净净，吃完了拉面，喝了汤，我感觉到身子十分暖和浑身清爽。

虽然我不知道拉面的来历，但我实在想夸夸发明者，怎么发明出如此好吃的东西，“山外青山楼外楼，牛肉拉面超一流！”