题目描述： n 个工件要在 c 台机器上加工，每个工件需要经过 c 道工序，每道工序要求不同的机器，n 个工件在 c 台机器上的加工顺序相同。确定 n 个工件在每台机器上的最优加工顺序，使最大流程时间达到最小。
测试问题参数取值：工件数量n=6，工序数量c=3，每道工序并行机器数量m=2。
1、遗传算法一般流程
编码 指将最终结果抽象成为可以进行优化处理的序列，例如这道题最终要找到合理的工序，那么我们就可以设置一个工序的数组，如果有3个工件，那么工序对应为[1,2,3], [1,3,2], [2,1,3], [2,3,1],[3,1,2],[3,2,1] 六种。他们之间是可以通过改变序列顺序进行优化的。
初始化种群 定义初始时刻的结果集合，他们一般是随机生成的，程序会根据这些初始的结果集合进行演变。最终趋向于某个最优解。在初始化过程种，最重要的是初始化总群大小，过大的总群会增加内存负担，而过小的总群很容易进入局部最优解。
评估个体适应度 这一步用于计算一个个体是否符合需求，适应度高的个体会在遗传算法中得到保留和发展。
选择 挑选最满足条件的优秀个体，而抛弃偏离条件的个体
交叉 优秀的个体序列进行交换数据（或者取平均，具体的问题具体分析），模拟自然届中的基因重组。
变异 个体序列发生变异，模拟自然界中的变异，可以有效的防止程序进入局部最优值。
2、编码
根据表述，我们先择顺序列表作为编码。本题中有六个工件，所以我们可以开辟一个6格大小的数组进行数据的存储。例如
var arr = [2,3,0,1,5,4];3、初始化种群
初始化种群的重要参数是种群中最多容纳个体的数目，个体又是一个一个序列的集合，所以在这个过程中，我们要生成一个m * n的二维矩阵，m为个体总数，n为每个个体的对应的数列，如上文所言，这里的数列会随机产生。
var WORKPIECE_NUM = 6; // 总共要完成的零件数目 var POOR_SIZE = 25; // 每一波存在的组数 var poor = new Array(POOR_SIZE); // 初始化自然空间个体数目的容纳数组 （总群数） poorInit(POOR_SIZE, WORKPIECE_NUM, poor); /** 初始化自然空间 * @param {*} poor_size 自然空间的种群数目的容纳量 * @param {*} workpiece_num 工件的数目，即每个个体的大小 * @param {*} poor 自然空间种群数目的容纳数组 */ function poorInit(poor_size, workpiece_num, poor){ for(var i=0; i<poor_size; i++){ // 随机生成流程数目 poor[i] = new Array(workpiece_num); // 对于每一个个体，随机生成其基因序列 randomList(workpiece_num,poor[i]); } } /** 生成一个随机不重复的数列 * @param {Int} len 数组的长度 * @param {Int16Array} arr 结果存储数组 */ function randomList(len, arr){ // 生成顺序排列的字符串 for(var i=0; i< len; i++){ arr[i] = i; } // 打乱 for(var i=len-1; i>0; i--){ var j = random(i); // 生成一个随机数 var tem = arr[j]; // 让最后一位和随机数对应的数字进行交换，然后i--，最后一位向前移动一格 arr[j] = arr[i]; arr[i] = tem; } } /** 产生[0, n)范围内的随机整数 * @param {Int} n 随机数上线 */ function random (n){ return Math.floor(Math.random()*n); }4、评估个体适应度