我正在做一篇关于特定遗传算法的研究论文，并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过的基因上，该值应为0，我理解;这给了我们消极和积极的价值观。但是，我还没有找到一个提供std的例子的单一来源。 dev应该是或应该如何计算。
有谁知道如何使用高斯变异方法确定标准偏差，以便从中获取值？
我已经在StackOverflow上阅读了this问题的问题和答案，但它没有向我提供有关我的问题的任何细节。
答案 0 :(得分：-1)
合理（甚至是最佳）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”，如适合良好解决方案的高峰和适合不良解决方案的山谷的健身景观。
因此，如果您的问题对应于具有相似高度的许多峰值的景观广泛分布（您怎么知道？），您应该使用宽广的高斯分布，以便您找到最大峰值的机会更高。如果您认为自己已经有了一个非常好的解决方案（不管这是什么），您可以使用较小的分布来更快地找到最大值。
因此，合理的方法是从广泛的分布开始，通过减少分布宽度让人口向（局部）最大值发展
同样，必须从问题中得出具体的数值。
编辑：
如果你想用效果玩一点，你可以下载我的免费iPhone / iPad应用程序＆＃34; Steinertree＆＃34;这显示了不同突变强度和种群大小的影响。