我们运用这个原则，以自然循环数列为例，按照文章最开头的机器约束矩阵和加工时间矩阵，作一个甘特图，说明这个数列实际上可以表示工厂作业排序优化问题的解。
这里小智要解释一下，这个甘特图表示了工厂生产玩具的工作流程。图中每一个方块表示一个任务，方块当中标志的数字是指玩具的编号。这个甘特图，横坐标表示时间轴，纵坐标表示机器。从这个甘特图可以发现，一共有M1-M6，六台机器。
最后可以发现，按照这个工作顺序生产玩具，一共生产时间为64分钟。
此时小智重点观察自然循环序列前两位：12，按照这个顺序来执行加工任务，以甘特图来印证：
Step1：执行玩具1的工序1，由机器2来执行，时间为10分钟，对应甘特图机器坐标为M2，时间坐标为0-10。
Step2：执行玩具2的工序1，由机器5来执行，时间为3分钟，对应甘特图机器坐标为M5，时间坐标为0-3。
第3-6步基本类似。我们再聚焦自然循环列第7-10位：1234。按照这个顺序继续执行加工任务, 以甘特图来印证：
Step7：执行玩具1的工序2，由机器3来执行，时间为9分钟。玩具1工序1的结束时间为10，而且机器3先前没有其他任务安排，所以玩具1工序2任务的甘特图机器坐标为M3，时间坐标为10-19。
Step8：执行玩具2的工序2，由机器1来执行，时间为6分钟。玩具2工序1的结束时间为3，而且机器1先前没有其他任务安排，所以玩具2工序2任务的甘特图机器坐标为M1，时间坐标为3-9。
Step 9：执行玩具3的工序2，由机器5来执行，时间为9分钟。玩具3工序1的结束时间为5，机器5先前有任务安排，加工的最后时间为8，所以玩具3工序2的开始时间为 max(5, 8) = 8，甘特图机器坐标为M5，时间坐标为8-17。
Step10：执行玩具4的工序2，由机器1来执行，时间为7分钟。玩具3工序1的结束时间为14，机器1先前有任务安排，加工的最后时间为9，所以玩具4工序2的开始时间为 max(14, 9) = 14，甘特图机器坐标为M1，时间坐标为14-21。
……
流程走到这里，相信大家对整个过程比较明朗了。
按照这个过程，自然循环序列就转变为一张甘特图，进而可以计算出整体的完成时间。
进一步地而言，任何自然循环序列打乱以后的序列，都可以表示这个工厂作业生产优化问题的解。
此时，我们就应该明白解的构造方式了。那接下来这道问题中另一关键点，那就是老解如何变换才能产生新解。
由于目前解的构造方式是一组编码，因此可以对这组编码进行重排，即可产生新解，但也需要考虑到保留当前解的有效成分。
考虑以最简单的方式来产生新解，随机调换：在当前解中随机选择两个位置，并对调它们的数值。
更换第6个位置和第26个位置的数，产生新解
算法思想、解的构造、解的产生，这三大问题终于解决了，小智开始设计模拟退火的实现过程了：
第1步，初始化，取一个足够大的初始温度 T0，令当前温度 T = T0，给定一个初始解S1。
第2步，随机调换当前解 S1 的两个位置的数值，产生一个新解 S2 。
第3步，计算增量，Δ = f(S2)– f(S1)，其中f为计算解的总生产时间的函数。
第4步，如果 Δ < 0 则接受 S2 作为新的当前解，S2 = S1 。否则，计算 S2 的接受概率
