genetic-algorithm - 这个算法如何对应轮盘赌的选择？

Question

我正在尝试实现轮盘赌选择。我已经理解了这个算法：

1. 计算种群中所有染色体适应度的总和 S
2. 从区间 (0,S) 生成一个随机数 r
3. 从 0 到 S 循环遍历种群和适应度，这是部分和，称为 P。
4. 当P > S：停止并返回对应的染色体。

我不明白这与这样做有何对应：轮盘赌选择算法 （44 票的答案）。这对我来说很有意义，但不是上面的那个。

Answer 1

以下是使用 sum 完成的

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的

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]

Answer 2

在 44 票的答案中，范围已在 0 到 1 之间标准化，这更容易理解，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添加自己的value，因此当在 0 和 S 之间生成随机数时，我们假设如果 r 在范围等于上述 的 2 个数字之间value，则以概率比例选择它到它的适应值。值越大，r 进入其范围的概率就越大。

例如，假设当您迭代时，适应度为 23（假设）的染色体是第 5 条染色体，总和 S 为 130。前 4 条染色体的总和为 54。所以如果random r在 55 之间和 77（均含），选择这条染色体。

标准化后，55/130 ~= 0.423 和 77/130 ~= 0.5923 是r2选择该染色体的随机数（0 到 1 之间）的范围。