Xt——第t代个体的数值， N(0,σ)——服从正态分布的随机数，其均值为零，标准差为σ。
8.2 进化策略
进化策略的一般算法可以描述如下： (1) 问题为寻找实值n维矢量x，使得函数F(x):RnR取极值。不失一 般性，设此程序为极小化过程。 (2) 从各维的可行范围内随机选取亲本xi，i＝1，…，p的初始值。初 始试验的分布一般是均匀分布。 (3) 通过对于x的每个分量增加零均值和预先选定的标准差的高斯随 机变量，从每个亲本xi产生子代x’i。 (4) 通过将误差F(xi)和F(x’i)，i＝1，…，p进行排序，选择并决定哪 些矢量保留。具有最小误差的p个矢量变成下一代的新亲本。
8.2 进化策略
然后从这两个个体中组合出如下新个体：
式中qi＝1或2，它以相同的概率针对i＝1，2，…，n随机选取。
对重组产生的新个体执行突变操作，突变方式及σ的调整与 (1+1)-ES相同。 将突变后的个体与父代μ个个体相比较，若优于父代最差个体， 则代替后者成为下一代μ个个体新成员，否则，重新执行重 组和突变产生另一新个体，
进化策略的基本技术
(3)混杂(Panmictic)重组。这种重组方式的特点在于父代个体 的选择上。混杂重组时先随机选择一个固定的父代个体， 然后针对子代个体每个分量再从父代群体中随机选择第二 个父代个体。也就是说，第二个父代个体是经常变化的。 至于父代两个个体的组合方式，既可以采用离散方式，也 可以来用中值方式，甚至可以把中值重组中的1/2改为[0,1] 之间的任一权值。 研究表明，进化策略采用重组后，明显增加算法的收敛速度。 Schwefel建议，对于目标变量X宜用离散重组，对于策略因子 σ及α宜用中值重组或混杂中值重组。
进化策略的基本技术
然后将其分量进行随机交换，构成子代新个体的各个分量，从而得 出如下新个体：
