我需要解决【TSP旅行商】问题，请列出【2】个可以用【Java】编程的优化路径算法，展开写出这【2】个算法的编程难度级别和时间复杂度，罗列出每个算法编程要用到的库。

【TSP（Traveling Salesman Problem）旅行商问题】是一个经典的组合优化问题，目标是最小化旅行商访问所有城市一次并返回起点所需的总距离。以下是两个可以用来解决这个问题的Java编程优化算法：

1. **贪心算法**：
- 编程难度级别：入门至中级。对于初学者来说，这是一个不错的实践项目，因为它涉及到了基本的循环、数组操作和决策逻辑。
- 时间复杂度：最坏情况下的时间复杂度是O(n^2)，其中n代表城市数。这是因为每次选择下一个城市都需要遍历剩余的城市列表。
- 需要的库：基本的Java集合框架如ArrayList，用于存储城市和计算距离。

import java.util.ArrayList;

public class GreedyTSP {
    public int solveTSP(int[][] distances) {
        ArrayList<Integer> tour = new ArrayList<>();
        // 初始化
        tour.add(0);
        for (int i = 1; i < distances.length; i++) {
            int minDistance = Integer.MAX_VALUE;
            int nextCity = -1;
            for (int j = tour.size(); j > 0; j--) { // 不考虑已添加的城市
                int currDist = distances[tour.get(j - 1)][i];
                if (currDist < minDistance) {
                    minDistance = currDist;
                    nextCity = j - 1;
                }
            }
            tour.add(nextCity + 1); // 从最后一个添加的城市的下一个位置开始
        }
        // 添加回起点
        tour.add(0);
        return calculateTotalDistance(distances, tour);
    }
}

2. **遗传算法（Genetic Algorithm）**：
- 编程难度级别：高级。这个方法涉及到遗传学原理、种群初始化、适应度函数、交叉和变异等复杂概念，对程序员有一定的算法理解和编程技巧要求。
- 时间复杂度：取决于具体的算法实现，通常不是线性的，因为它是启发式搜索，可能在多次迭代后收敛于近似最优解。
- 需要的库：除了基础Java，可能还需要使用专门的遗传算法库，如JMetal，或者自定义一些随机数生成和排序相关的辅助工具。

import org.jMetal.core.problem.Problem;
import org.jmetal.operator.crossover.SimulatedBinaryCrossover;
import org.jmetal.operator.mutation.MutationOperator;
import org.jmetal.operator.selection.SelectionOperator;
import org.jmetal.problem.TSPProblem;
import org.jmetal.util.observer.EvaluationObserver;
import org.jmetal.util.observer.StoppingConditionObserver;

public class GeneticTSP {
    public void evolveTSP(int[][] distances, int populationSize, int generations) {
        TSPProblem tspProblem = new TSPProblem(distances);
        // ... 实现遗传算法的具体步骤，包括种群初始化、选择、交叉和变异等
    }
}