问遗传算法中的(非)一致变异是什么意思？

EN

在准备一个项目时，我一直在从事关于遗传算法的文献研究。在研究突变时，我经常遇到“一致突变”和“非均匀突变”这两个词。

维基百科将均匀突变和非均匀突变解释为“类型”：

一致突变：，这个算子用一个在用户指定的上、下界之间选择的一致随机值替换所选基因的值。这种突变算子只能用于整型基因和浮点基因。 非均匀变异：：使用非均匀变异算子使突变量随下一代增加到0的概率增加。它使人口在进化的早期阶段不会停滞不前。它在进化的后期调整解决方案。这种突变算子只能用于整型基因和浮点基因。

关于遗传算法的幻灯片演示文稿解释了在浮点突变背景下的一致变异：

xi‘从下界、上界随机抽取(均匀)。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.

MathWorks文档将一致突变解释为：

均匀变异是一个两步的过程。首先，该算法选择个体向量条目的一部分进行变异，其中每个条目具有被变异的概率。利率的默认值为0.01。在第二步中，该算法将每个所选条目替换为从该条目的范围中一致选择的随机数。

根据MathWorks对制服的解释是“随机的”，我发现了这源，它甚至没有命名一致或非均匀的突变。

然而，没有提供关于其实际情况的任何资料。我不确定它是某些方法依附于某些属性的总括术语，还是它本身就是一种方法，就像Wikipedia说的那样。作为一种方法，我找不到这一术语的任何真正的证明。但我也找不到任何关于这个词的定义。因为一位消息人士引用它类似于比特翻转，我不确定。

在遗传算法中，什么是统一的和非均匀的变异?这些方法或术语的使用有什么例子呢？