用途：面向供应链中的复杂、大规模优化问题，使用自然启发式与元启发式方法，在精确方法不可行时求取高质量解。适用于路由、排程、分配等决策；资料明确提到其前提是精确方法过慢、规模过大或问题属于 NP-hard，并区分“最优”与“足够好”的解质量需求。
主要能力：资料给出两类算法。基于种群的方法（如遗传算法、粒子群）维护多个候选解，探索面广、适合多峰问题，可并行化，但收敛较慢、参数更多；基于轨迹的方法（如模拟退火、禁忌搜索）以单解迭代强化局部搜索，收敛快、内存少、实现简单，但易陷入局部最优、探索不足。
使用方式：技能以遗传算法求解车辆路径问题（VRP）为例给出可直接运行的 Python 类 GeneticAlgorithmVRP，含种群规模、代数、变异率、交叉率、精英数量等参数，并实现距离矩阵、染色体编解码、适应度（总距离加容量惩罚）、锦标赛选择、顺序交叉（OX）、变异、精英保留、optimize 主循环，以及路径与收敛曲线可视化。资料中的入门评估还包括问题特征、变量与约束（硬约束/软约束）、单目标或多目标、解空间形态、可用计算时间、并行与实时性、内存限制、现有启发式与基线表现等。
适用场景：多车辆、带容量约束的路径优化等供应链优化任务，以及需要在有限算力与时间内获得近似优解的情形。
限制：资料中未见本技能的具体安装命令、平台要求、许可与收费信息，均暂未提供；不同算法的效果取决于参数调优与问题结构，资料未给出统一基准或保证最优。