遗传算法中的变异步长
Mutation step-size in genetic algorithm
谁能给我解释一下 "mutation step size" 是什么意思？
我正在阅读一篇关于遗传算法的文章，上面写着：
"突变随机改变了决定
一个节点或以 0.25
的步长改变值
我知道突变在 GA 生命周期中的作用，但我找不到很好的解释什么是突变的步长。
谢谢。
本质上它是一个突变与最后一个值之间的距离。
"As far as real-valued search spaces are concerned, mutation is normally performed by adding a normally distributed random value to each vector component. The step size or mutation strength (i.e. the standard deviation of the normal distribution) is often governed by self-adaptation (see evolution window)."
给定一个你正在变异的向量（比如 X = [x1,x2,..,xN]），这很复杂，然后你将修改该向量的值一些随机量，该量不会超过突变步长。假设我们有一个名为 normal(v,stdDev) 的函数，它生成随机值，这些随机值在 stdDev 的某个值周围呈正态分布。然后我们将使用以下伪代码修改该向量的每个值：
for x in X {
x = normal(x,mutationStepSize)
}
谁能给我解释一下 "mutation step size" 是什么意思？ 我正在阅读一篇关于遗传算法的文章，上面写着：
"突变随机改变了决定 一个节点或以 0.25
的步长改变值我知道突变在 GA 生命周期中的作用，但我找不到很好的解释什么是突变的步长。
谢谢。
本质上它是一个突变与最后一个值之间的距离。
"As far as real-valued search spaces are concerned, mutation is normally performed by adding a normally distributed random value to each vector component. The step size or mutation strength (i.e. the standard deviation of the normal distribution) is often governed by self-adaptation (see evolution window)."
给定一个你正在变异的向量（比如 X = [x1,x2,..,xN]），这很复杂，然后你将修改该向量的值一些随机量，该量不会超过突变步长。假设我们有一个名为 normal(v,stdDev) 的函数，它生成随机值，这些随机值在 stdDev 的某个值周围呈正态分布。然后我们将使用以下伪代码修改该向量的每个值：
for x in X {
x = normal(x,mutationStepSize)
}