使用遗传算法找最短路径的时候初始解为贪心算法产生的解然后遗传算法迭代完成结果和初始解是一样的这是正常的吗该怎么做调整能迭代到更好的解呢

这种情况在遗传算法中是可能发生的，因为贪心算法产生的解可能已经是局部最优解了，而遗传算法的搜索范围更广，但也有可能陷入局部最优解。如果你想迭代到更好的解，可以考虑以下几个方面的调整：

修改遗传算法的参数。可以尝试增加种群大小、更改交叉概率、变异概率等参数，以探索更多的解空间，从而有更大的可能找到更优的解。
修改适应度函数。适应度函数决定了个体的适应度，可以通过修改适应度函数来引导算法向更优的解靠近。例如，可以尝试加大距离较远的节点之间的距离惩罚，使得算法更倾向于选择更短的路径。
尝试其他启发式算法。贪心算法虽然简单，但是局限性也比较大。可以尝试其他启发式算法，如模拟退火、蚁群算法等，以期望得到更优的初始解。
使用多种算法的组合。可以将贪心算法和遗传算法等多种算法组合使用，以期望得到更优的结果。例如，可以先用贪心算法得到初始解，再用遗传算法进行迭代优化，或者将多种算法的结果进行融合。