用遗传迭代算法完成组卷
1， 任务：使用遗传算法完成组卷过程。
2， 挑战：遗传迭代算法本身有一定难度理解。
3， 遗传算法解决了什么问题？
是解决搜索问题的一种通用算法，对于各种通用问题都可以使用。
4，遗传算法过程。
a, 初始化
b, 个体评价
c, 选择算子
d, 交叉算子
e, 变异算子
f, 最后得到的个体就是最优解
5，遗传算法特征
a, 首先组成一组候选解。
b, 依据某些适应性条件测算这些候选解的适应度。
c, 根据适应度保留某些候选解，放弃其他候选解。
d, 对保留的候选解进行某些操作，生成新的候选解。
过程：
分析：理解整个逻辑过程。理解需要什么类，类中需要什么属性。
如何进行个体评价？如何设计选择算子，交叉算子，变异算子？
最终得出最优解。
类图：
收获：
1，根据大纲，知识点，难度系数，完成组卷策略。
2，理解遗传算法的一些基本概念：选择算子，交叉算子，变异算子。
3，更加熟悉UML图的设计。加深了基础知识和基本技能的理解。
