遗传算法种群初始化的优化必要性

假设用遗传算法去做一个类旅行商问题，从节点0开始，用最短的路径遍历所有的其他节点。我们假设存在一个具体的小示例如下：

这时候，种群初始化有两种方案：

1. （正常操作）随机节点1234的排列，如1234，4231。

2. （设想的操作）根据当前出发点0，根据当前出发点与其他节点的距离 取倒数并做归一化。实现距离越近，越大概率取为染色体路径的下一个节点。选取后，再根据最新的节点路径做新的计算与取值。从直觉上，这样可以更快逼近最优解。但是是否有这个必要

想问下这种操作的可行性和必要性，在节点数量大约20个、30个的情况下，会对后续的操作产生什么影响，如果是好影响，是什么。如果有坏影响的话，会有解决方法吗？

您好，想法非常好，也非常符合常识，但是我认为核心问题集中在以下几点 ：
第一，‘从初始节点计算与其他节点的距离，使每次选取下一落脚点距离当前节点最近’ 能不能更快逼近最优解？ 能的。
第二，是否有这个必要？我认为核心还是在于您不确定以这样的方式最终求得路径是否最短。也就是~~
例如有【A1，A2。。。。。。。AN】 N个节点，取任一节点为起始节点，计算出相邻节点最短的一条路径就是我们求的路径？
。。。这个我也不能肯定哈哈哈，常识提醒我是这样的，严谨告诉我最好在少量节点情况下验证一两次。
第三，可行性。假设有n个节点，起始节点计算量为n-1次距离函数~~~~ =》倒数第二个节点计算量为1次函数。
即总计算量为(1+n-1)(n-1)/2 次距离函数. 随着节点数量的增大，计算量也会逐渐增大，那么会不会造成内存不够？
即第一次计算起始点与剩余所有点的距离取最小值就G了 ？如果节点在20~30个的话应该没太大的问题，
另外时间上n(n-1)/2次距离计算是否超出预期？如果时间过长，那么就需要考虑如何简化距离函数，提高单次距离计算的效率。

有用请采纳，感谢