遗传算法中的变异步长

Question

有人能解释一下“突变步长”是什么意思吗？我正在读一篇关于遗传算法的文章，它说：

突变会随机改变节点的决定，或以0.25的步长变异值

我知道突变在遗传算法生命周期中的作用，但我无法很好地解释突变的步长。

谢谢。

Answer 1

本质上是突变离最后一个值有多远。

就实值搜索空间而言，变异通常是通过向每个向量分量添加一个正态分布随机值来执行的。步长或突变强度(即正态分布的标准差)通常由自适应(参见进化窗口)来控制。

对于你正在变异的向量(例如X= x1，x2，..，xN)，这是一个复杂的话题，然后你将修改该向量的值，它的随机值不会超过突变步长。假设我们有一个叫做法线(v，stdDev)的函数，它用stdDev生成一个正态分布的随机值。然后，我们使用以下psuedo代码修改该向量的每个值：

for x in X {
   x = normal(x,mutationStepSize)
}