如何在我的遗传算法中实现高斯变异方法？答案

【问题标题】：How do I implement the Gaussian mutation method in my genetic algorithm?如何在我的遗传算法中实现高斯变异方法？
【发布时间】：2017-03-05 10:29:25
【问题描述】：

我正在写一篇关于特定遗传算法的研究论文，想分析使用高斯变异方法的影响。但是，我唯一理解的是，我必须对随机高斯值进行采样，并将其添加到我在互联网上某处读到的基因中，平均值应该为 0，我理解；这给了我们消极和积极的价值。但是，我还没有找到一个单一的来源来举例说明 std. dev 应该是或应该如何计算。

有谁知道标准差是如何使用高斯变异法确定的，以便我可以从中得到一个值？

我已阅读 StackOverflow 上this question 的问题和答案，但它没有提供有关我的问题的任何详细信息。

【问题讨论】：

标签： genetic-algorithm

【解决方案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，您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。您可以想象这样一个优化问题的可能“解决方案”，例如适应度景观，其中好的解决方案有高峰，而坏的解决方案有低谷。
因此，如果您的问题对应于具有许多相似高度的峰分布广泛的景观（您怎么知道？），您应该使用广泛的高斯分布，以便找到最大峰的机会更高。但是，如果您认为自己已经有了一个很好的解决方案（无论是什么），您可以使用较小的分布来更快地找到最大值。
因此，合理的做法是从广泛分布开始，通过减小分布宽度让种群向（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：
如果你想玩一些效果，可以下载我的免费 iPhone/iPad 应用程序“Steinertree”，它显示了不同突变强度和种群规模的影响。

【讨论】：

这不能回答问题。您能告诉我如何从问题中得出具体的数值吗（因此回答我的问题）？
首先，您没有提到任何具体问题。其次，对于大多数具体问题，很难“推导出”突变强度、交叉强度和种群规模的数值。通常，必须尝试哪种组合可以产生良好的效果。因此我的回答是我能给出的最好的。
我不同意你的观点并坚持我原来的评论。我想知道如何确定标准偏差以用于高斯突变。我没有询问关于衍生突变强度、交叉强度或种群规模的问题。请相应地更新您的答案，因为它在当前状态下不回答问题，并且有可能被其他用户标记为这样。
那么，对不起，我没听懂你的问题。也许你可以解释得更好，至少对我来说是这样。
问题很明确：“有谁知道标准差是如何使用高斯变异法确定的，所以我可以从中得到一个值？”