Question

我正在尝试选择轮盘赌。我已经了解了此算法：

计算种群中所有染色体适应度的总和S
从间隔（0，S）生成随机数r
遍历总体并求和从0到S的适应度，这是部分和，称为P。
当P> S时：停止并返回相应的染色体。

我不明白的是，这与这样做相反：Roulette wheel selection algorithm （答案为44票）。这对我来说很有意义，但对上面的那个没有意义。

Answer 1

在44票的答案中，范围已在0到1之间归一化，这比较容易理解，但需要额外的计算步骤。您可以实施您提到的方法。在计算总和时，每个单独的染色体都会加上自己的值，因此，当在0和S之间生成一个随机数时，我们假设如果r在2个数字之间，且其范围等于上述值，则使用与适合度成正比的概率。值越大，r进入其范围的可能性越大。例如，假设当您进行迭代时，适应度为23（假设）的一条染色体是第5条染色体，总和S为130。假设前4条染色体的总和为54。因此，如果随机r为在55至77之间（包括两端），选择了该染色体。归一化后，55/130〜= 0.423和77/130〜= 0.5923是应该选择该染色体的随机数r2（介于0和1之间）的范围。

Answer 2

以下是使用总和完成

def choose_parent_using_RWS(genes, S, points):
    P = randint(0, int(S))
    for x in genes:
        P += evaluate(x, points)
        if P > S:
            return x
    return genes[-1]

以下是通过在0和1之间进行归一化来完成

def choose_parent_using_RWS(genes, S, points):
    P = randint(0, int(S))/S
    for x in genes:
        P += evaluate(x, points)/S
        if P > S/S:
            return x
    return genes[-1]

该算法与轮盘赌选择如何对应？

2 个答案: