遗传算法中高斯变异算子的Java实现

我试图为我的项目学习并实现一个简单的遗传算法库。现在，进化，种群选择已经准备好了，我正试图在Java和Scala中为我的遗传进化引擎实现一个简单好的变异算子，比如（GMO）

我在论文（p.M.Mateo，I.Alberto）第6页和第7页找到了一些关于高斯变异算子（GMO）的信息

但是我有一些问题需要找到关于如何在Java中实现这个高斯变异算子和这个算子的其他有用变体的其他信息。我该怎么办

我正在使用random Java util的

random.nextGaussian（）

函数，但是这个方法只返回一个介于0和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，我想得到一个介于0和1之间的随机双倍数，步长等于0.00001。）

b） 我如何为这个函数指定

mu

和

sigma

，因为我想在局部搜索我基因组的值，而不是-1和1之间的值。我怎样才能让当地的研究围绕我的基因组价值进行呢

经过研究，我找到了这个问题的答案。我似乎可以这样替换高斯随机数：

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

其中

表示

=我的基因组值

---

（请参阅中的底页方法。）

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;
}

---

如果您需要一个整数，将其强制转换为

int

，但将其添加到n，即

（int）random（n+1）

我强烈建议不要使用Java的随机数生成器。它使用具有已知限制的：

如果需要更高质量的随机数，并且有足够的内存可用（约2千字节），则Mersenne twister算法提供了更长的周期（219937-1）和变量一致性。[9]Mersenne twister产生的质量偏差比几乎任何LCG都要高。[引用需要]常见的Mersenne twister实现，有趣的是，使用LCG生成种子数据。*（来自维基百科）

因此，我建议你考虑一个梅森扭曲器的实现。特别是，我正在使用ECJ的实现，它还能够生成高斯数

如果您需要与Java的随机接口兼容，请使用

速度更快，但不实现随机接口。

要更改数字的“精度”，请执行以下操作：

((int)(100*rand))/100.0

这将把变量

rand

四舍五入到小数点后2位。当然，您必须小心小的浮点舍入错误，这样它就不一定是精确的

---

至于实施转基因，本文非常精确地描述了如何做到这一点。我不知道怎样才能解释得更清楚。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它进行变换。

要回答问题a，你所要做的就是四舍五入到最接近的0.00001，以这些单位得到你的答案。例如：

  step = 0.00001;
  quantized_x = step * Math.rint(x / step);

现在，对于第二部分，您有了正确的想法，并且您提供的代码应该可以工作。您所需要做的就是将变量重新缩放到所需的范围。我唯一能补充的是，这项工作的根本原因是微积分的变量变化定理：

如果你在高斯分布的情况下计算出这个公式，平均值为0，标准偏差为1，通过线性移位和重新缩放进行变换，那么你会发现你所写的确实是正确的

综上所述，下面是一些代码，可以实现这一点：

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
}

---

你所说的“返回数字的精度”到底是什么意思？逗号后的数字：你想以什么方式“修改”逗号后的数字

nextGaussian

为您提供了一个

double

。你是说这还不足以满足你的需要吗？我在模拟中用这个数字来校准概率定律。我需要一个介于0,01和0.00000001之间的数字，所以如果我在coma之后添加一个只有一个数字精度的double（例如0.11111 0.255525 0.114182等），这是有问题的，因为我需要添加这样的随机数：0.001、0.001252、0000352等。您的注释实际上包含了您需要的所有内容。那篇论文中的z，z_k，z_k'都是0-均值，stddev 1随机变量（就像你从nextGaussian（）中得到的那样），你只需要用与论文中相同的方式对它们进行缩放（即x_k的均值，x_k和exp（tau'z+tauz_k）的sigma_k的stddev）对于sigma的乘法更新。我忘了说…nextGaussian从正态分布返回一个样本。因为你想改变均值和方差，你应该应用你在评论中提到的标准变换。有关更多信息，请参阅Thx以获得帮助，我使用的是SSJ中lecuyer的随机生成器library和math.commons（apache基金会）一样。关于在随机双精度中生成更多的小变化，我没有答案：/实际上，我正在使用1和1E6之间的随机（int）来除以随机（double）。。。