编程前，关于时间的想法

一亿次加法运算，就能耗费我5秒钟的时间；那么到了十亿次，50秒，勉强可以接受；100亿次，辛苦；1000亿次——等一个多小时！人都疯掉了。
所以，我干脆宏观点，考虑程序执行的时间吧！
就拿多目标函数计算的问题来说，精确到小数点后5位，那么意味着从0.00001到0.99999需要十万次计算。两个决策变量，都从0~1，那么就需要10万的平方次的计算量，再考虑一下f(x)的复杂程度（至少比加法运算麻烦1000倍吧？），再加上实际问题中是“多个目标”。保守点估计，计算量是：10万*10万*1000*2（2个目标函数）。
和我们100亿次的“辛苦程度”比较一下，相差2000倍；也就是说，当我们辛辛苦苦等待了8分钟以后，需要完成的任务才刚刚进行了2000分之一！
可想而知，要在有效时间内得出可观的结果：就是要进行这样的探索：尽可能地将时间花费在“有效”的地方。如果需要2000次才能遍历完全的空间，最好能够一次就找到重点！

将这个比例放大：从0.00001到0.99999，我不可能以每次0.000001的步长进行累加，而是增加2000倍，每次步长0.02——这实在是很大的跨度了（这种考虑给我实际的编程操作留下了把握的余地呢......）。
对比一下tsp问题的难度：144个城市，问题的规模为5.55e+249，除以100亿，结果为5.55e+239——可想而知嘛！既然遗传算法能够将tsp问题求解出来，那么对于多目标这样的问题，能够贴近于理论解，已经是相当有可能的了。