这是我的遗传算法，逐步：
-
随机生成两个初始人口，然后从两者中选择适合旅行。
-
执行有序的跨界车，该分频器选择第一个合适的旅行的随机部分，并从第二个填充其余部分。
-
如果这次旅行只有最初人口中前10％的巡回赛的1.3倍，可以随机交换两个城市来突变这次旅行（我实际上是通过归纳来完成的，挑出了生产的可怜的旅行） - 我很想改变这一点，但无法想到更好的方式。
- 突变是从几个突变种群中选择的。
-
返回旅行的产生。
突变几乎总是更糟，即使与跨界"。
我非常感谢您的帮助。谢谢！
GA中的一个问题正在缩小您的搜索空间，并达到本地最大解决方案。您需要确保除了选择/健身功能以外，您不会以任何方式领导解决方案。所以当你说
你为什么要采用一个好的解决方案然后 执行一个函数，很可能会使它成为更糟糕的解决方案
，原因是您希望解决方案退后一步，它可能需要变得更糟，然后才能变得更好。因此，实际上，您应该从遗传操作员中删除任何判断逻辑，将其留在选择过程中。
此外，跨界和突变也应视为产生孩子个体的两种不同方法，您应该使用一个或另一个。在实践中，这意味着您有机会进行单亲的突变或两个父母之间的跨界突变。通常，突变机会只有5％，分频器用于产生其他95％。
跨界可以保留父母双方的遗传信息（孩子是镜像），因此一个孩子会比父母和另一个孩子更糟（或两者都相同）。因此，从这种意义上讲，如果有变化，您将永远得到一个更好的个人。
另一方面，突变不能保证一个更好的个体，但它的目的是引入新数据，有助于将GA从本地最大值的情况移动。如果突变无法改善个人并使情况变得更糟，那么无论如何，它被选为育儿的机会较少（即，您不需要在突变操作员本身中需要这种逻辑）。
您选择最佳突变
这不是严格的真实，好人应该有更高的选择机会。在这里，有一个微妙的区别，即父母也可能选择坏人。同样，这有助于减少达到局部最大解决方案的机会。这也意味着，最好的个人可能（而且经常）确实会变得更糟。要解决这个问题，我们通常会实施"精英主义"，从而始终将最好的人复制到下一代（在/不经营任何操作）。
如果我可以评论您使用的遗传操作员，这也将是有益的。我发现循环跨界和反转突变在我的经验中效果很好。