感謝大家不離不棄的堅持到最後一天，希望每天的一點點閱讀可以對基因演算法(遺傳演算法)有更多的了解。
雖然在寫文章的時候，有很多資料都是邊查邊寫的，參考了很多大神們的傑作，
不知道有沒有哪邊不夠完整，或是描述不清楚的。
回顧一下基因演算法的流程

基因演算法的組成–群體、染色體、基因

這邊總結一下基因演算法的特點：

1. 在適應值設定不當下將可能得到區域最佳解，而非全域最佳解。
2. 透過多點搜尋所以得到的解會盡可能避免發生區域最佳解。
3. 染色體( chromosome )最終得到的結果不一定代表真實的結果，需要經過解碼才是得到。
4. 需要手動去設定適應值( Fitness Value )等數值。
5. 採取隨機搜尋方式，適合各式各樣求取最佳解的問題。
6. 可以和神經網絡結合。

說了這麼多基因演算法的優點，也來說說他的缺點：

1. 運算成本高：在每個世代交替下都要進行運算，若世代數大或是群體大，所需的運算成本也會相對提高
2. 現行的商業套裝軟體支援較少
3. 不保證最佳化，GA可能會得到區域的最佳解而非整體的最佳解
4. 在編碼的應用上仍有許多可以改善的地方

說實在這篇早在我快要放棄時就開始撰寫了
內心一直思考著哪天我才能真正按下發佈
忐忑著擔心著自己沒有機會按下去
研究生的生活實在有些忙碌
不是學校的課業 不是研究室的專案計畫
他的優先順序就這樣時時往後延後
常擔心在每天23點沒有機會按下送出
就此斷更
因此不太敢宣傳給親朋好友
深怕自己的耐力沒能堅持到最後
但是希望真得到了那麼一天可以按下去
開心到了發佈這篇文章的最後一天
後續我會盡可能把前面的文章在調整過
讓這個基因演算法給更多不了解他的人知道

全系列參考資料來源:
林豐澤・2005。演化式計算上篇:演化式演算法的三種理論模式。智慧科技與應用統計學報，3(1)，1-28。
林豐澤・2005。演化式計算下篇:基因演算法以及三種應用實例。智慧科技與應用統計學報，3(1)，29-56。
林昇甫、徐永吉・2009。遺傳演算法及其應用・五南圖書出版。
郭定。(2009)。 基因演算法中不同選擇策略的替代性與互補性。Journal of Science and Engineering Technology，5(2)， 25-34。
突變(遺傳演算法)。2013。突變(遺傳演算法)。維基百科，自由的百科全書。
莊凱智(2011)。應用改良式粒子群演算法於旅行銷售員問題。工程科技與教育學刊, 2011, 8.3: 533-546.
Soni, N., & Kumar, T. (2014). Study of various mutation operators in genetic algorithms. International Journal of Computer Science and Information Technologies, 5(3), 4519-4521.
R語言中的遺傳演算法
R Documentation
R Documetation-ga
R Documetation-genalg
R Documetation-genoud
R Documetation-mcga
GA包--遗传算法
RPubs - Optimized Delivery Route using Genetic Algorithm: Cost cutting for e-commerce
RPubs - Genetic Algorithm on TSP
Wikipedia-Memetic Algorithm
用基因遺傳演算法(Genetic Algorithm)解旅行推銷員問題(TSP)
維基百科-蟻群演算法
蟻群演算法、遺傳演算法、模擬退火演算法介紹 | 程式前沿
蟻群優化演算法 (Ant Colony Optimization) - 陳鍾誠的網站
粒子群優化演算法－MBA智庫
基本粒子群優化演算法（PSO）的matlab實現 - IT閱讀
維基百科－模擬退火
[Day 21] Simulated annealing -- 演算法