如何在我的遗传算法中实现高斯变异方法？

Question

我正在做一篇关于特定遗传算法的研究论文，我想分析使用高斯变异方法的影响。然而，我唯一理解的是，我必须采样一个随机的高斯值，并将其添加到我在互联网上某个地方读到的基因中，平均值应该是0，这是我理解的；这给了我们正负两种值。然而，我还没有找到一个单一的来源，给出了std的例子。dev应该是或者应该如何计算它。

谁知道标准差是如何用高斯变异方法来确定的，这样我就可以从中得到一个值？

我已经在StackOverflow上阅读了this问题的问答，但它没有为我提供关于我的问题的任何细节。

Answer 1

什么是合理的(甚至是最优的)突变强度，取决于要解决的问题。

通常你会将遗传算法应用于非常困难的优化问题，因为通常的优化算法会失败。你可以想象这样一个优化问题的可能的“解决方案”，比如一个适应度景观，好的解决方案有高峰期，坏的解决方案有低谷。

因此，如果你的问题对应于一个有许多相似高度的山峰分布很广的景观(你怎么知道？)，你应该使用广泛的高斯分布，这样你找到最大山峰的机会就会更高。但是，如果您认为您已经有了一个相当好的解决方案(无论这是什么)，那么您可以使用较小的发行版来更快地找到最大值。

因此，一个合理的方法是从一个广泛的分布开始，并通过减小分布宽度让种群朝着(局部)最大值发展。

同样，具体的数值必须从问题中推导出来。

编辑：

如果你想尝试一下效果，你可以下载我的免费iPhone/iPad应用程序"Steinertree“，它展示了不同突变强度和种群大小的影响。