We use a population size of P = 10,

We use a population size of P = 10, and the algorithm was allowed to run for a total
of 100 generations. The initial values of the λi variables were chosen from a Gaussian distribution with mean zero and variance one. The initial values of the ηi variables were all set at 3.0; this corresponds to the standard deviation of the Gaussian mutations, so 3.0 means it is possible for a mutation to produce a new λ value up to 3.0 standard deviations away from a parent.

ผลลัพธ์ (ไทย) 1:

เราใช้ขนาดประชากรของ P = 10 และอัลกอริทึมได้รับอนุญาตให้เรียกใช้ทั้งหมดรุ่น 100 ค่าเริ่มต้นของ λi ตัวแปรที่ถูกเลือกจาก Gaussian แจกแจงด้วยหมายความว่า ผลต่างของหนึ่งและศูนย์ ค่าเริ่มต้นของตัวแปร ηi ถูกทั้งหมดตั้ง 3.0 เท่ากับส่วนเบี่ยงเบนมาตรฐานของการกลายพันธุ์ Gaussian เพื่อ 3.0 หมายความ สามารถในการกลายพันธุ์ในการผลิตค่าλใหม่ถึงความเบี่ยงเบนมาตรฐาน 3.0 จากหลักการ

ผลลัพธ์ (ไทย) 2:

เราใช้ขนาดของประชากรของ P = 10 และขั้นตอนวิธีการได้รับอนุญาตให้ใช้สำหรับรวม
100 รุ่น ค่าเริ่มต้นของตัวแปรλiได้รับการคัดเลือกจากการกระจายเสียนมีค่าเฉลี่ยความแปรปรวนศูนย์และหนึ่ง ค่าเริ่มต้นของตัวแปรηiที่ตั้งทั้งหมดใน 3.0; นี้สอดคล้องกับค่าเบี่ยงเบนมาตรฐานของการกลายพันธุ์เสียนจึง 3.0 หมายความว่ามันเป็นไปได้สำหรับการกลายพันธุ์ในการผลิตค่าλใหม่ถึง 3.0 ค่าเบี่ยงเบนมาตรฐานอยู่ห่างจากพ่อแม่

ผลลัพธ์ (ไทย) 3:

เราใช้ขนาดประชากร p = 10 , และขั้นตอนวิธีการได้รับอนุญาตให้ใช้สำหรับรวม
100 รุ่น ค่าเริ่มต้นของตัวแปรλผมถูกเลือกจากการแจกแจงแบบปกติด้วยค่าเฉลี่ยและความแปรปรวน ศูนย์หนึ่ง ค่าเริ่มต้นของตัวแปรทั้งหมดηผมตั้งไว้ที่ 3.0 ; นี้สอดคล้องกับส่วนเบี่ยงเบนมาตรฐานของการกลายพันธุ์ ) 3 .0 หมายความว่าเป็นไปได้สำหรับการกลายพันธุ์เพื่อสร้างมูลค่าλใหม่ถึง 3.0 ส่วนเบี่ยงเบนมาตรฐานห่างจากพ่อแม่