如何在Java中实现遗传算法的高斯变异算子
我尝试为我的项目学习并实现一个简单的遗传算法库。 此时，人口的进化，选择已经准备就绪，我正在尝试为Java和Scala中的遗传进化引擎实现一个简单的好变异算子，如高斯变异算子 （GMO）。
我在基于多目标进化算法的Pareto排名 （PM Mateo，I。Alberto），第6页和第7页的论文A变异算子中找到了关于高斯变异算子（GMO）的一些信息。
但我有一些问题需要找到有关如何在Java中实现此高斯变异算子和此运算符的其他有用变体的其他信息。 我该怎么办？
我正在使用随机Java util的random.nextGaussian()函数，但此方法仅返回0到1之间的随机数。
所以，
a）在这种情况下，如何修改返回编号的精度？ （例如，我想获得一个介于0和1之间的随机双数，步长等于0.00001。）
b）我如何为这个函数指定mu和sigma ，因为我想在本地搜索我的基因组的值，而不是在-1和1之间。我怎样才能调整我的基因组价值的本地研究？
经过研究，我找到了b）问题的答案。 似乎我可以取代高斯随机数，如下所示：
newGenomeValue = oldGenomeValue + (( gaussiandRndNumber * sigma ) + mean )
其中mean =我的基因组值。
（参见底部的方法如何生成具有正态或高斯分布的随机数？ ）
要回答问题a，您所要做的就是四舍五入到最接近的0.00001以获得这些单位的答案。 例如：
step = 0.00001; quantized_x = step * Math.rint(x / step);
现在对于b部分，你有正确的想法，你提出的代码应该工作。 您需要做的就是将变量重新调整到所需范围。 我唯一可以补充的是，它起作用的根本原因是微积分变量定理的变化： http ： //en.wikipedia.org/wiki/Integration_by_substitution
如果你在高斯分布的情况下计算出这个公式，其中0均值和标准偏差1通过线性移位和重新缩放进行转换，那么你会看到你写出的内容确实是正确的。
总而言之，这里有一些代码可以解决这个问题：
double next_gaussian() { double x = rng.nextGaussian(); //Use whichever method you like //here to generate an initial [-1,1] gaussian distribution y = (x * 0.5) + 0.5; //Rescale to [0,1] return Math.rint(y * 100000.0) * 0.00001; //Quantize to step size 0.00001 }
我强烈建议不要使用Java的随机数生成器。 它使用线性同余生成器 ，它具有已知的局限性：
如果需要更高质量的随机数，并且有足够的存储空间（~2千字节），那么梅森捻线机算法可以提供更长的周期（219937-1）和变化均匀性。[9] Mersenne twister比几乎任何LCG产生更高质量的偏差。[引证需要]一个常见的Mersenne扭转器实现，有趣的是，使用LCG生成种子数据。*（来自维基百科）
因此，我建议你考虑梅森捻线机的实施。 特别是，我正在使用ECJ的实现，它也具有生成高斯数的能力。
如果您需要与Java的Random接口兼容，请使用http://code.google.com/p/ecj/source/browse/trunk/ecj/ec/util/MersenneTwister.java 。
要更改数字的“精确度”，请执行以下操作：
((int)(100*rand))/100.0
这会将变量rand四舍五入到小数点后两位。 当然，您必须小心小浮点舍入错误，因此它不一定是准确的。
至于实施转基因生物，该论文描述了如何非常精确地做到这一点。 我不确定如何更清楚地解释它。 我假设你的代码中有一个x和一个sigma ，你只需使用所描述的数学运算对其进行转换。
以下是如何生成0到n之间的随机数：
public static double random(int n) { return Math.random() * n; }
如果你需要一个整数，把它int为int但是加一个到n，即(int)random(n + 1)