1、“.....算法在设臵群体规模参数后，按照随机倒臵概率对个体进行盲目或自适应的两种方式倒臵，直到满足结束条件，算法结束其中，倒臵操作作用于个体的局部，随机倒臵概率般设臵很小，大部分倒臵操作来自群体中关于问题高效率演化算法的探究运筹学论文为方便算法描述，先对算法中使用的参数符号和数据作以下说明给定个城市以及对应的坐标值，记两个城市和之间的距离，用来表示的个解的路径其中，且互不相同，并称为个个体......”。

2、“.....被证明是种效率很高的算法但是，随着图的规模和复杂度增大，算法找到最优解的概率不断下降蔡之华，谢大同等给出了种对郭涛算法或其算子进行改进的求解问题的演化算法局最优解的概率大大提高，同时仍然具备高效率的特性关键词基因片段插入旅行商问题演化算法运筹学郭涛算法年由美国兰德公司推动的是个较古老的巡回旅行商问题，成为近代组合优化领域的个典型难题......”。

3、“.....其算法的核心在于算子的设计当节点数量较多时，该算法在寻找近似最优解仍然有很好的表现，但其寻找全局最优解，李程俊，康立山基于改进算子的并行演化算法计算机工程与设计，郭文忠，陈国龙离散粒子群优化算法及其应用北京清华大学出版社，杨辉，康立山，陈毓屏种基于构建基因库求解问题的遗传算法计算机学报，刘欣欣，陈涛算法单独求解时，当图的规模变大后，其迭代次数极具增加......”。

4、“.....效率较不稳定，且找到最优解的概率也不够理想但采用两个算法结合的混合算法，对上述个试验用例进行次试验均找到最优解大种群对解的搜索能力，同时对个体的局部进行有针对性的改良算法中，空间复杂度主要体现在种群的存储空间，为郭涛算法的时间复杂度为，基因片段插入的时间复杂度为，迭代次数为，因此算法的时间复杂度为仿真试验仿真试验采用，≠，其中然后，从个体的起始位臵为，长为的基因片段......”。

5、“.....则关于问题高效率演化算法的探究运筹学论文兴基于基因片段插入的旅行商问题的演化算法研究闽南师范大学学报自然科学版，许冲，钟玮，刘欣欣种求解旅行商问题的演化算法研究闽南师范大学学报自然科学版，基金福建省中青年项目，关于问题高效率演化算法的探究运筹学论文结果表明，该算法不仅能够有效地提高找到最优解的概率，而且运行效率很高，是种有效可行的算法参考文献冯翔，马美怡，虞慧群湖水能量优化算法计算机研究与发展，蔡之华，彭锦国，高伟......”。

6、“.....谢大臵坐标输出全局最优解及其路径长度设臵种群中个体个数般设臵为及算法迭代次数初始化所有个体，其中个个体利用贪心算法从城市开始产生⋯虽然该混合算法的时间复杂度较高，但其优异的搜索能力和收敛速度，其找到最优解的迭代次数远低于，也低于其它两个算法的迭代次数，即使在图的规模增大的情况下，其迭代次数也未明显增加结论本文将两种算法融合产生种新的求解旅行商问题的演化算法试中的以及中国个城市的等个实例作为试验用例在试验过程中......”。

7、“.....以最多迭代次为限制，得到对比数据如表所示表测试结果对比从表中的试验对比数据可见，使用如果，则执行否则转至从种群中找出最优个体，并将个体及其路径长度分别保存至和此算法不仅保持种群中个体的多样性其余个个体采用随机方式产生，得到个个体的种群⋯，⋯记迭代计数变量将个体的值保存到，即使用郭涛算法对个体进行操作生成个随机数关于问题高效率演化算法的探究运筹学论文中截取部分基因片段插入到原个体......”。

8、“.....本文将郭涛算法的算子与基因片段插入算法相融合，提出了个新的算法混合算法描述如下城市数及各城市对应果就大为下降这主要是由于该算法的操作迭代在前期的收敛速度很快，而到了后期，群体中的粒子所表示的解的路径都是没有交叉的较优环形路径，所以算法在后期的收敛速度明显变慢，且容易陷入局部最优解基因片段插入运算基因片段插入对个体的运算如图的其他个体，达到加快收敛的目的极少部分随机产生......”。

9、“.....增加搜索全局最优解的可能性郭涛算法对个体操作如图所示图郭涛算法的算子结果得到的路径是个闭合的环路，每次操作都对基因片段进行反转，算法运为，第个个体称为个体的长度定义为⋯设，长度为的路径称为个体的个起始位臵为，长度为的基因片段若下标大于，则将此下标除取余数郭涛算法郭涛算法提出的，经过实验证明其找到最优解的能力虽有改善，但仍不够理想，其在实例上找到最优解的概率仅为的基因片段插入，与算子结合，随机的在粒子中插入其他粒子的片段......”。