本科软件工程专业的算法设计内容通常有归并排序、快速排序、二分搜索法贪婪算法、最小生成树回溯法、分支边界法、舍伍德算法、拉斯韦加斯算法、蒙特卡罗算法近似算法等。这些算法是算法设计的基础，所以不会太复杂。爬山算法也叫贪婪算法。与传统算法相比，遗传算法有四个突出的优点[2]。
软件架构中，负载均衡有哪些调度算法？
谢邀！负载均衡调度算法也叫负载均衡方法有很多种，下面以使用比较广的nginx为例说说软件负载均衡的调度算法轮询nginx默认的调度算法，按照时间顺序逐一分配后台服务器加权轮询在server后加weigth，weight值越高，后台服务器分配概率越大，下图是说ip为102的后台服务分配概率是ip为101后台服务的两倍ip_hash按照访问ip的hash分配，增加ip_hash关键字，同一ip访问相同的后台服务url_hash按照访问url的hash分配，增加url_hash关键字，同一url访问相同的后台服务least_hash按照最少连接数方式分配，增加least_conn关键字，哪个后台服务连接数少就分配哪个fair按照最短响应时间分配，增加fair关键字，响应时间短的后台服务优先分配。
什么是遗传算法，它有哪些实际应用？
1简介遗传算法Genetic Algorithm, GA来源于进化论和群体遗传学，由美国的 Holland 教授于 1975 年在他的专著自然界和人工系统的适应性[1]中首先提出。遗传算法作为一种非确定性的拟自然算法，为复杂系统的优化提供了一种新思路，对于诸多NP-Hard问题，遗传算法都有不错的表现。
相对于传统算法而言，遗传算法有四大突出优点[2]1.遗传算法不需要描述问题的全部特点，不需要描述全部需要处理的情况。2.遗传算法仅需要对参数编码集进行处理，无需针对问题本身进行约束。3.相对于传统算法对模型线性连续可导的限制，遗传算法不存在这些限制条件。4.快速求解。遗传算法的相对不足1. 遗传算法的本质是随机搜索，不能保证所得解为全局最优解参数足够大的情况下是可以求出全局最优解，但失去了算法本身的意义。
2算法的发展与重心经过多年的发展，遗传算法的研究热点及发展方向可以由图1进行展示[3]图1 遗传算法研究进展遗传算法的搜索核心是遗传算子的选择，因此对于遗传算法的研究，其中最常见的内容与方向是遗传算子，遗传算子的选择多样性也导致了算法表现的多样性，常见的选择方式如图2所示图2 遗传算子的研究遗传算法作为一种搜索算法，在诸多领域均有很好的表现[4]，如函数优化组合优化生产调度自动控制机器学习图像处理人工生命遗传编程机器学习数据挖掘等。
3实例说明为了更通俗地理解遗传算法，下面将通过一些实例进行描述如果想在一座连绵的大山上找到其最高点，正常情况下你需要爬遍整座山才可以找到最高峰，但大多数的智能算法并不需要搜索整个山峰，不同的智能算法有不同的求解思路，举几个简单例子1. 爬山算法也称为贪心算法。假设有一只猴子从山的任意一点出发，当它爬到第一个高峰值点的时候便停止前进，并认为当前的山峰为整座山最高的点。
这种情况下，运气好可能会到达最高点，但是大概率情况下都不会是最高点。2. 模拟退火算法。假设有一只神志不清的猴子，当它爬到山峰的时候，它有一定的概率继续出发，也有概率停止前进。这种情况下它也有可能通过有限的时间找到整座山的最高点。3. 遗传算法。假设山上有一群猴子，猴子生存的食物只有在山峰处才有，而且山峰越高食物量越充裕。
然后为了生存，这些猴子会继续聚集在各个山头上，这些山峰可以理解为各种局部最优解的图3中绿色和蓝色这样的地方。如果种群规模足够大，一定会有一群猴子聚集在整座山的最高点，也就是全局最优解图3中的红色位置。图3山峰示意图基于以上三种算法的描述，我们可以对智能算法有一个简单的认识。无论是哪种算法，都有一定的随机性，并不能保证最终选定的山峰就是整座山的最高点。
