1. 项目背景与核心价值

去年夏天参与某充电站运营项目时，亲眼目睹了这样一个场景：下午6点下班高峰，30多辆电动车同时挤进充电站，而同一时刻的电价正处于全天最高位。车主们既想尽快充上电，又对高昂电费抱怨连连。这种供需矛盾正是我们这项研究的现实起点——如何利用电价杠杆和智能算法，让电动车充电更经济、更高效。

峰谷分时电价机制本质上是一种电力市场的价格信号。以华东地区某市为例，高峰时段（8:00-11:00，18:00-21:00）电价可达1.2元/度，而低谷时段（23:00-次日7:00）仅0.3元/度。我们的核心思路是通过遗传算法，在满足用户充电需求的前提下，自动寻找电价成本最低的充电方案。实测数据显示，优化后的充电方案平均可降低电费支出35%-45%，同时有效缓解电网高峰负荷压力。

2. 关键技术解析：遗传算法在充电优化中的应用

2.1 问题建模与染色体设计

将充电优化转化为数学问题需要定义三个关键要素：

1. 决策变量：每个时间段的充电功率（如每15分钟一个决策点）
2. 目标函数：总充电成本最小化（∑电价×充电功率×时段长度）
3. 约束条件：
   • 总充电量≥车辆需求（如40kWh）
   • 单时段功率≤充电桩上限（如7kW）
   • 充电时段在用户设置的可用范围内

染色体采用二进制编码，每个基因位代表一个时段是否充电。例如某车辆需要充电4小时，可用时段为18:00-次日8:00（共56个15分钟时段），则染色体长度为56位，其中恰好16位为1（表示实际充电时段）。

2.2 适应度函数设计技巧

适应度函数直接决定进化方向，我们采用分段式设计：

python复制def fitness_function(chromosome):
    total_cost = calculate_energy_cost(chromosome)
    penalty = 0
    
    # 约束条件检查
    if total_energy(chromosome) < demand:
        penalty += 1000 * (demand - total_energy(chromosome))
    if max_power(chromosome) > power_limit:
        penalty += 500 * (max_power(chromosome) - power_limit)
    
    return 1/(total_cost + penalty + 0.01)  # 防止除零

这个设计有两个精妙之处：

1. 成本差异放大：通过倒数转换，使小成本差异产生显著的适应度差别
2. 动态惩罚机制：违反约束时按程度线性增加惩罚，引导种群向可行解进化

2.3 改进的遗传操作策略

常规遗传算法容易陷入局部最优，我们引入三项改进：

1. 自适应变异率：根据种群多样性动态调整（0.1-0.3之间变化）
2. 精英保留策略：每代# 1. 题目

93. 复原 IP 地址

难度中等864

有效 IP 地址 正好由四个整数（每个整数位于 0 到 255 之间组成，且不能含有前导 0），整数之间用 '.' 分隔。

• 例如："0.1.2.201" 和"192.168.1.1" 是 有效 IP 地址，但是 "0.011.255.245"、"192.168.1.312" 和 "192.168@1.1" 是 无效 IP 地址。

给定一个只包含数字的字符串 s ，用以表示一个 IP 地址，返回所有可能的有效 IP 地址，这些地址可以通过在 s 中插入 '.' 来形成。你 不能 重新排序或删除 s 中的任何数字。你可以按 任何 顺序返回答案。

示例 1：

code复制输入：s = "25525511135"
输出：["255.255.11.135","255.255.111.35"]

示例 2：

code复制输入：s = "0000"
输出：["0.0.0.0"]

示例 3：

code复制输入：s = "101023"
输出：["1.0.10.23","1.0.102.3","10.1.0.23","10.10.2.3","101.0.2.3"]

提示：

• 1 <= s.length <= 20
• s 仅由数字组成

2. 题解

3. code

c++复制class Solution {
public:
    vector<string> ans;
    bool isValid(const string& s, int start, int end) {
        if (start > end) return false;
        if (s[start] == '0' && start != end) {
            return false;
        }
        int num = 0;
        for (int i = start; i <= end; i++) {
            if (s[i] > '9' || s[i] < '0') {
                return false;
            }
            num = num * 10 + (s[i] - '0');
            if (num > 255) {
                return false;
            }
        }
        return true;
    }
    void backtracking(string s, int startIdx, int pointNum) {
        if (pointNum == 3) {
            if (isValid(s, startIdx, s.size() - 1)) {
                ans.push_back(s);
            }
            return;
        }
        for (int i = startIdx; i < s.size(); i++) {
            if (isValid(s, startIdx, i)) {
                s.insert(s.begin() + i + 1, '.');
                pointNum++;
                backtracking(s, i + 2, pointNum);
                pointNum--;
                s.erase(s.begin() + i + 1);
            } else {
                break;
            }
        }
        return;
    }
    vector<string> restoreIpAddresses(string s) {
        backtracking(s, 0, 0);
        return ans;
    }
};

4. 心得

回溯法，注意终止条件，以及插入和删除的位置。