遗传算法在JobShop中的应用研究（part 7：整体流程）

 """ pop是种群，种群中的每个个体的形式是，（makespan, 染色体）""" 
pop = [(ComputeStartTimes(g, I)[-1], g) for g in InitPopulation(ps, I)]
     for it in xrange(1, mit+1):""" mit是迭代次数"""
         # Random ordering of the population
         shuffle(pop)"""把pop中各个个体的顺序打乱 """
         hpop = len(pop) / 2""" hpop是种群的一半"""
         for i in xrange(hpop):""" 遍历种群的前半部分份"""
             if random() < pc:"""若[0,1]之间的随机数 < pc """
                 # Create two new elements
                 ch1 = Crossover(pop[i][1], pop[hpop + i][1], I)""" 通过交叉生成下一代"""
                 ch2 = Crossover(pop[hpop + i][1], pop[i][1], I)""" 通过交叉生成下一代"""
                 if random() < pm:"""若[0,1]之间的随机数 < pm """
                     ch1 = Mutation(ch1)""" 对ch1进行变异"""
                 if random() < pm:"""若[0,1]之间的随机数 < pm """
                     ch2 = Mutation(ch2)"""对ch2进行变异"""
                 pop.append((ComputeStartTimes(ch1, I)[-1], ch1))""" 将进化后的染色体放回种群"""
                 pop.append((ComputeStartTimes(ch2, I)[-1], ch2))
         # Sort individuals in increasing timespan order and
         # select only the best ones for the next iteration
         pop.sort()""" 将pop中的染色体按makespan排序"""
         pop = pop[:ps]""" 提取pop中的前ps个染色体"""
     return pop[0]"""返回makespan最大的染色体 """