一、算法简介
交叉熵方法是一种通用的启发式工具，用于解决复杂的估计和优化问题，基于Kullback-Leibler(或交叉熵)最小化。作为一种优化方法，它结合了许多现有的基于种群的优化启发式方法。假设解服从某个正态分布， 根据目标函数不断优化解，使其逐渐接近真实解的分布。
交叉熵解决单目标问题的流程：
- step1 ： 初始化：生成大小为 N的随机样本 X1,X2,X3…计算U0.Q0
- step2 ： 设置迭代次数t=1 ；
- step3 ： 当 t<max_iter，进入循环：
1)计算：求解的适应度，并按照适应度大小进行排序；
2)选择：将适应度较大的个体选择放入精英解集合Neite
p为精英集合采样率；
3)更新：选取精英中的所有个体计算新的Ui和Qi
