遗传算法中的（非）均匀变异是什么意思？

Question

我一直致力于遗传算法的文献研究，以准备项目。在研究突变时，我经常遇到“均匀突变”和“非均匀突变”这两个术语。

Wikipedia将均匀和非均匀突变突变解释为“类型”：

  

Uniform Mutation：此运算符使用在用户指定的该基因的上限和下限之间选择的均匀随机值替换所选基因的值。该变异算子只能用于整数和浮点基因。

     

非均匀突变：通过使用非均匀变异算子，增加了下一代突变量变为0的概率。它使人口在进化的早期阶段停滞不前。它在进化的后期阶段调整解决方案。该变异算子只能用于整数和浮点基因。

关于遗传算法主题的

A powerpoint presentation解释了浮点突变背景下的均匀突变：

  从[下限，上限]随机（均匀）绘制

xi'。它类似于二进制字符串的位翻转或整数字符串的随机重置。

The MathWorks documentation将统一变异解释为：

  

统一突变是一个两步过程。首先，该算法选择个体的一部分矢量条目用于突变，其中每个条目具有被突变的概率。 Rate的默认值为0.01。在第二步中，算法用从该条目的范围中均匀选择的随机数替换每个所选条目。

根据MathWorks对制服的解释为“随机”，我找到了this来源，它甚至没有命名统一或非均匀变异。

但是，没有提供实际的信息。我不确定它是否适用于某些属性的某些方法，或者它是否是一种独立的方法，如维基百科所说。 我找不到任何真正的术语演示。但我也找不到任何关于这个术语的定义。由于一位消息人士称其类似于翻转位，我不确定。

在遗传算法背景下，具有均匀和非均匀突变的含义是什么？使用这些方法或术语的例子是什么？

Answer 1

均匀变异 - 随机选择一定比例的基因，比如1％，并将它们设置为随机值，并在整个程序中以相同的速率进行。

非均匀突变 - 任何其他方案，但通常你要么随着种群变得更健康而降低突变率（因此在几千代之后突变0.1％的基因）或者随着时间的推移使突变变小（所以添加或减去一个或两个地方，而不是设置为随机）。