1樓：每天一罐黑瓶紅牛
看問題和規模。
誇張點，乙個二次函式求極值，500次重複試驗肯定返回你同樣的解（只要引數設定正常）。
乙個10維的問題，20維的問題，乃至50維的問題，如果目標函式友好，例如convex，那多次重複執行極有可能重複相同解。
當問題維度增加，或者函式形式複雜，求得同一解的概率不斷下降。其實對於大規模複雜問題，不用太糾結解的精度。在合理誤差範圍內或者滿足個人需求即可。
2樓：無眠
如遺傳演算法，粒子群演算法等都是基於種群的啟發式演算法，這些演算法在初始階段都需要乙個種群。相關的文獻證明了遺傳演算法是具有收斂性質[1]的（原諒我已將老師的知識全部還給他了），在理論上驗證了只要在算力資源充足的情況下，種群可以收斂的，即演算法是可以找到最優解的，最終所有的種群結果都可以收斂到某個值。
但是事實並非完全如此，現有發表的基於遺傳演算法、粒子群演算法的文章，都是在宣揚一種思想，我設計的某個交叉、變異運算元很新穎，而且， 試驗部分的結果往往都是某個標準測試集[2, 3]的區域性最優解，同時，求解的主要還是一些低維優化問題（自變數個數小於20），高維優化問題另當別論。問題的維度較低時，搜尋空間可能不太複雜，區域性最優解的數目不是特別多，這時，如果遺傳演算法具有較好的搜尋效能(-->交叉、變異運算元較好)（遺傳演算法本質上還是區域性搜尋演算法），在充足計算資源的情況下是可以達到你所希望的要求的。如果只是在計算資源充足的情況下，也是可以達到你所希望的要求的，但是，越到後期，收斂速度越慢....
反之，當問題的維度增高，搜尋空間指數級增長，區域性最優解資料急劇增長，演算法可能會陷入到某個區域性最優解，此時，可能種群就停滯在此區域性最優解處，且每次執行遺傳演算法可能得到的結果都不同(個人試驗驗證過，國際上發表的文章也都是多次使用演算法對某問題求解，然後求出多次中的最優解， 中位值，最差解，方差，根據這些結果判定演算法優劣)
所以，一切因你遇到的問題而定，因你擁有的計算資源而定（結果是否具有時效性--->在這些計算資源下所生成的結果是否達到最優，在限定時間的計算資源下的結果是否具有代表性，可用），因你對啟發式演算法的改進而定。
[1] 孫成富, 趙建洋, 陳劍洪, 差分進化演算法馬爾可夫鏈模型及收斂性分析, 計算機技術與發展,2013, (8), 62-65
[3] X. Li, K. Tang, M.
N. Omidvar, Z. Yang, and K.
Qin, 「Benchmark functions for the CEC』2013 special session and competition on largescale global optimization,」 RMIT University, Melbourne, Australia, Tech. Rep., 2013.
3樓：Frank 大魔王
理論上是不可能的，全程隨機，除非程式設計時設死隨機種子。至於範圍，你會經常看到這類case，跑30次有一次兩次差的超乎你想象。
如果檢驗演算法的有效性呢，只能兩個演算法做比較用統計檢驗保證顯著性。。。。。
長大以後 能不能找到乙個真心的朋友？
橋餘 我很難喜歡不愛我的人，但很幸運，有兩個人在高中畢業的時候留在我身邊，他們會覺得我很有趣，我說平平無奇的事情他們也會被逗得哈哈大笑，他們很喜歡我，會覺得我很優秀。他們讓我更自信了，當有人問起你有沒有朋友的時候，我可以很自信的說我有 這是很重要的，他們的存在會讓你覺得自己沒那麼差。很抱歉我也不知道...
今天31了，不知道能不能找到結婚物件，如果一輩子單身老了怎麼辦。？
悅悅 緣分到了自然一切水到渠成，前提也是自己要主動的抓住可能出現的機會。沒有適合結婚的年齡，只有適合結婚的人，把自己的狀態調整好積極面對生活，相信是自己的遲早都會來的 芒果味的可愛多 關鍵看你想要什麼樣的生活，喜歡自由，那就乙個人，喜歡家庭生活，有人陪伴，那就找個能夠合得來的人，自己喜歡的，至少喜歡...
能不能給我推薦一款智慧型手錶 求推薦
chingbaby 華為Gt2太空人！我必須打call 就為這個超火爆的表盤我才入的可愛的要死哈哈哈哈 官網1000多我這個貧民窟女孩挖寶天才買到了華強北版本哈哈哈哈哈入手二百多 女生的話，感覺方的小巧一些，圓的更適合男性，偏商務一些 不想每天充電，那需要續航時間長一點的，一般3 5天差不多，好一點...