轮盘赌选择
重温轮盘赌选择
(Roulette Whell Selection Revisited )
让我们从轮盘赌选择算法开始。请记住,这一个函数的功能是从群体中选择一个 基因组,选中的几率正比于基因组的适应性分数。
SGenome& CgaBob::RouletteWheelSelection()
{
double fSlice = RandFloat()*m_dTotalFitnessScore;
我们从零到整个适应分范围内随机选取了一实数fSlice 。我喜欢把此数看作整个
适应性分数饼图中的一块,如早先在图3.4中所示。 [但并不是其中一块,译注]
double cfTotal = O;
int SelectedGenome = 0;
for (int i=O; i <m_iPopSize; ++i)
{
cfTotal += m_vecGenomes[i].dFitness;
if (cfTotal > fSlice)
{
SelectedGenome = i;
break;
}
}
return m_vecGenomes[SelectedGenome];
}
大家帮助看看这段代码,我怎么看不出这种选择方法中,适应度高的被选中的机率就高呢?
这是《游戏开发中的人工智能技术》一书的一个章节,请高人指点。
原文内容:http://book.csdn.net/bookfiles/206/1002069949.shtml
[解决办法]
轮盘的总面积是m_dTotalFitnessScore,每一个染色体的适应性dFitness越大,它在这个轮盘面积中的比例也越大,
fSlice = RandFloat()*m_dTotalFitnessScore;
这句表示轮盘上的指针随机转到了一个位置,指针和起点的距离是fSlice,起点是从染色体数组的第一条算起,后面的那个循环就是
要发现指针指到了哪一条染色体的范围内。
因为每一个染色体的适应性dFitness越大,它在这个轮盘面积中的比例也越大,它被选中的机会也就越大。