Javascript 如何进行随机突变

我正在做一个有趣的细胞自然选择项目。每个代码都有“dna”，这只是一组指令。dna既可以清除废物，消化食物，也可以修复细胞壁。我不会详细说明他们做什么，因为那会花太长时间。但进化真正发生的唯一原因是基因突变。我想知道这在javascript中是否可行，以及如何实现。例如，起始细胞有5条dna链。但如果它繁殖，孩子可以有4个或6个。一些dna链可以被改变。这是我目前的代码：

var strands = ["DIGEST FOOD", "REPAIR WALL", "REMOVE WASTE"];
var dna = [];

for (let i = 0; i < 5; i++) {
    if (parent) {
        // something about the parents dna, and the mutation chance
    }
    else {
        dna.push(strands[Math.floor(Math.random() * 3)]); // if cell doesn't have parent
    }
}

var-threads=[“消化食物”、“修复墙壁”、“清除垃圾”]；
var dna=[]；
for（设i=0；i<5；i++）{
如果（家长）{
//关于父母的dna和突变机会
}
否则{
dna.push（threads[Math.floor（Math.random（）*3）]；//如果细胞没有父代
}
}

我只是想知道这在javascript中是否可行，以及如何成功地做到这一点。如果问题不太清楚，对不起。 编辑：让我重新措辞一下。我试图实现的是新细胞的基因突变。比如：

if (parent) {
dna.push(parent);
if (Math.random() < 0.5) {
changeStrand(num);
}
if (Math.random() < 0.5) {
addStrand(num);
}
if (Math.random() < 0.5) {
removeStrand(num);
}
}
function changeStrand() {
// change the strand
}
function newStrand(num) {
// add random strands
}
function removeStrand(num) {
// remove random strands
}

if（父级）{
dna.push（父代）；
if（Math.random（）<0.5）{
交换链（num）；
}
if（Math.random（）<0.5）{
addStrand（num）；
}
if（Math.random（）<0.5）{
removeStrand（num）；
}
}
函数changeStrand（）{
//换股
}
函数newStrand（num）{
//添加随机股
}
函数removeStrand（num）{
//移除随机股
}

---

或者类似的东西

如果你想要随机数，你可以用它。在链接页面中，还有一些获取x和y之间值的示例，例如：

// Source https://developer.mozilla.org/en-US/docs/Web/JavaScript/Reference/Global_Objects/Math/random 
function getRandomInt(min, max) {
  min = Math.ceil(min);
  max = Math.floor(max);
  return Math.floor(Math.random() * (max - min)) + min; 
}

---

我不确定这是您试图实现的目标-因为您已经使用了Math.random（）函数。

对于遗传算法，您基本上希望从每个父代中取出两片并将其缝合在一起，同时确保最终结果仍然是有效的dna链

对于一个固定大小的DNA序列（如N个皇后位置），该技术将是选择一个随机切片点（1-3 | 4-8），然后将这些来自父母的切片组合成一个子序列

对于您的用例，您需要两个大小之和加起来为4-6的随机切片。所以可能有两片2-3号的。你可以从前面取一个，从后面取另一个。否则，您可以首先选择一个随机输出大小，然后为任一父级填充两个随机序列

Array.slice（）和Array.splice（）可能是您想要使用的函数

您还可以在最终结果中添加随机突变。处于活基因进化速度极限的病毒平均每个转录有1个突变。这意味着一些转录不会有突变，这相当于允许父代中的一些父母存活下来

您还可以尝试不同的变体。将这些作为特性标志来实现，并查看在实践中什么最有效

与Beam Search相比，Beam Search本质上保留了每一代中N个最佳结果的副本。你可能想也可能不想保留父母一代最好的东西，以便不变异地生存下来

另一个想法是计算个体之间的距离度量，并增加与群体中现有成员过于接近的成本，这将选择遗传多样性

在标准模型中，变异是通过字母序列中的点突变和“交叉”（即子代的DNA是通过组合来自每个父代的DNA长片段而产生的）发生的

已经描述了与局部搜索算法的类比；随机波束搜索和进化之间的主要区别在于有性生殖的使用，其中的后代是由多个生物体而不是一个生物体产生的。然而，进化的实际机制比大多数遗传算法所允许的要丰富得多。例如，突变可能涉及大片段DNA的反转、复制和移动；有些病毒从一个有机体中借用DNA并将其插入另一个有机体中，而转座基因除了在基因组中自我复制数千次外，什么也不做。甚至还有一些基因会毒害不携带该基因的潜在配偶的细胞，从而增加它们自身复制的机会。最重要的是，基因本身编码着基因组复制和转化为生物体的机制。在遗传算法中，这些机制是一个单独的程序，不在被操纵的字符串中表示

• 人工智能：一种现代方法。（第三版）斯图尔特·拉塞尔和彼得·诺维格

---

你说得对——还不太清楚。你有太多关于生物学的信息，而对你想要达到的数学知识却不够。这是一个非常好的答案！不幸的是，我想要无性繁殖。但我会做无性生殖后，所以谢谢！