如何在Java中实现遗传算法的高斯突变算子

random java artificial-intelligence gaussian genetic-algorithm

2022-09-04 22:59:48

我试图为我的项目学习和实现一个简单的遗传算法库。此时，进化，种群选择已经准备好了，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突变算子，如高斯突变算子（GMO）。

我在论文A基于多目标进化算法的帕累托排名的突变算子（P.M. Mateo，I. Alberto）第6页和第7页找到了一些关于高斯突变算子（GMO）的信息。

但是我有一些问题来查找有关如何在Java中实现此高斯突变运算符以及该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的函数，但此方法仅返回0到1之间的随机数。random.nextGaussian()

VoI

a）在这种情况下，如何修改返回编号的精度？（例如，我想得到一个介于0和1之间的随机双精度数，步长等于0.00001。

b）以及如何指定和用于此函数，因为我想在本地搜索我的基因组值，而不是在-1和1之间。我怎样才能围绕我的基因组价值进行本地研究？musigma

经过研究，我找到了b）问题的答案。看来我可以像这样替换高斯随机数：

 newGenomeValue = oldGenomeValue + (( gaussiandRndNumber * sigma ) + mean )

其中 = 我的基因组值。mean

（参见《如何生成正态分布或高斯分布的随机数？》中底页的方法。

答案 1

要回答问题a，您所要做的就是舍入到最接近的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，您有正确的想法，并且您提供的代码应该有效。您需要做的就是将变量重新缩放到所需的范围。我唯一可以补充的是，这起作用的根本原因是变量定理与微积分的变化：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个平均值和标准差1被线性平移和重新缩放变换，那么你会看到你写出来的东西确实是正确的。

把它们放在一起，这里有一些代码应该可以做到这一点：

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
}

答案 2

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，该生成器具有已知的局限性：