init_solution=generate_init_solution##贪心算法产生初始解printlenproduce_routeinit_solutionprintcalculate_fitnessinit_solutionpopulation=init_solution+randomsampleinit_solutionleninit_solution for i in rangepop

在算法中，初始解是通过贪心算法产生的，而后通过遗传算法迭代寻优。在迭代过程中，每一代都先进行选择操作（使用锦标赛选择法），选择出一半的优秀染色体作为父代。然后进行交叉操作（使用局部匹配交叉），对父代进行重组得到子代。最后进行变异操作（使用反转变异和交换变异），对子代进行随机变异，得到下一代种群。最终选取最优染色体作为结果。

但是在代码中，迭代完成后的最优解仍然未必优于初始解，这可能是因为初始解的贪心算法并不能保证得到全局最优解，而遗传算法的随机性也可能导致结果的不稳定性。