所謂高斯變異（Gaussian Mutation）操作是指進行變異操作時，用符合均值為方差為的常態分配的一個隨機數來替代原有的基因值。由常態分配的特性可知，高斯變異也是重點搜尋原個體附近的某個局部區域。高斯變異包括增加一個隨機值從 高斯分布對個體的向量的每個元素創建一個新的後代。
歷史
高斯變異於1969年第一次使用，它作為一個純粹的最佳化算法，當時它的使用區域較小。自1970年以來,它已經被用於普通最佳化和生產產量最大化。
1972年高斯變異適應複雜的信號處理系統進行了測試。系統的模型包括450個組件(每一個都有一個參數值)的130人可調。
高斯變異最初設計是為製造業產量的最大化，用於統計偏差信號。使用高斯定理適應過程證明了:
如果一個高維高斯分布的重心與重心的分布屬於同一部分地區，那么它的可接受性選擇性平衡狀態,因此在該地區最大的撞擊機率。
這個定理有效適用於所有地區和所有的高斯分布。它使用可能的循環重複的隨機變異和選擇(如自然進化)。在每一個周期數量足夠大的高斯分布的點採樣和測試成員在該地區的可接受性。高斯的重心轉移到批准的重心點。因此,這個過程收斂於平衡狀態滿足定理。解決方案是近似的,因為重心確定有限數量的點。
發展
高斯變異的局部搜尋能力較好，但是引導個體跳出局部較優解的能力較弱，不利於全局收斂．柯西變異相比於高斯變異會產生較大的變異步長，因此會使算法具有較好的全局搜尋能力．k吖變異通過改變Leyy分布的參數來調整變異運算元的隨機數分布，c卜G跏ssiaIl變異則是把q-Gaussiall分布的參數q作為決策變數參與到種群進化過程中．駱晨鐘等通過實驗表明混沌變異運算元具有與高斯變異等隨機變異運算元相似的搜尋能力．則進一步將混沌變異運算元引入文化算法，利用進化過程隱含知識控制混沌序列分布，從而使混沌變異運算元在不同進化階段呈現出不同的局部搜尋能力．
結論
綜上所述，單一的變異運算元在解決最佳化問題時，不能兼顧全局探索和局部搜尋能力，因此本文提出柯西+混沌變異和柯西+高斯變異兩類混合變異策略，旨在提高算法的收斂速度和進化性能．由於各種變異運算元在進化過程中所起作用不同，因此有效控制和協調兩種變異運算元的作用時機和作用比例就成為算法的核心問題。
