很接近了!
哦，我忘了说走快了!在Java中执行此操作时，即使使用相同的设置，也会有明显的等待时间。在一个相对较小的范围内求解二次方程并不是很复杂，但它对一个人来说是值得注意的。
Go是本地编译的，比如C。当二进制执行时，它似乎马上就吐出一个答案。这里有一个简单的方法来度量每次运行的执行时间:
func main() {
beforeQuadTime := time.Now()
quadraticMain()
afterQuadTime := time.Since(beforeQuadTime)
fmt.Printf("%dn", afterQuadTime)
before3dQuadTime := time.Now()
quadratic3dMain()
after3dQuatTime := time.Since(before3dQuadTime)
fmt.Printf("%dn", after3dQuatTime)
}
边注:我能说我很高兴我们是一个开发者社区，让他们从过去的错误中走出来，并把综合的时间模块和包构建成一种语言吗?Java 8 +拥有它们，Python拥有它们，并拥有它们。这使我开心。
现在的输出:
Best: x: 3.072833 y: -6.994695 136,876 Best: x: 3.891671 y: 4.554884 z: -12.787259 4,142,778
那“近乎瞬间”的感觉是我想要传达的，现在我们有了很难的数字。136,876看起来很大，但要在纳秒内报告时间。
重申一遍:纳秒。不是几毫秒，我们都习惯了在互联网时代或者其他像Python和Java这样的通用语言;纳秒。1/1,000,000毫秒。
这意味着我们在不到一毫秒的时间里找到了一个使用遗传算法来搜索答案的二次方程的答案。这句话，“该死的瞬间”似乎很合适，不是吗?这包括打印到终端。
那么，要计算更密集的东西呢?在我展示一种寻找好的梦幻足球lineups的方法之前，我在Fanduel上使用。这包括从电子表格中读取数据，制作和过滤lineups，并进行更复杂的交叉和突变。强制寻找最佳解决方案可能需要超过75,000年(至少使用我当时使用的Python)。
我不需要再检查所有的细节，你可以自己去看代码，但我会在这里显示输出:
Best: 121.409960:, $58100 QB: Aaron Rodgers - 23.777778 RB: Latavius Murray - 15.228571 RB: DeMarco Murray - 19.980000 WR: Kelvin Benjamin - 11.800000 WR: Stefon Diggs - 14.312500 WR: Alshon Jeffery - 9.888889 TE: Connor Hamlett - 8.200000 D: Philadelphia Eagles - 10.777778 K: Phil Dawson - 7.444444 16,010,182
哦,是的!现在看来这是一个很好的阵容!它只需要16毫秒就能找到。
现在，这个遗传算法可以改进了。与C一样，当将对象传递给方法时，将在堆栈上复制对象(读取数据)。随着对象大小的增长，最好不要反复复制它们，而是要在堆中创建它们，并在周围传递指针。目前，我将把它作为未来的工作。
Go也被用coroutines和信道的原生支持编写，利用多个内核来解决一个问题，比过去简单多了，相比于单核时代的其他语言来说，这是一个巨大的优势。我想要增强这个算法来使用这些工具，但这也必须留给以后的工作。
