![c15b7b96ec76f83232c1cf41afab2318.png](https://i-blog.csdnimg.cn/blog_migrate/5b49659ac710782b08bd0beacdf27d71.png)
![7432ce142513ec0d90168379efb9fc93.png](https://i-blog.csdnimg.cn/blog_migrate/e5351fe9c6026070806bfafcf7403386.png)
轮盘赌法选择
1.相关知识
形如上面的轮盘图片,轮盘选择的 精髓:其在所占区域的范围越大被选中的概率越大 。 (1) 计算适应度比例,即每个个体的选择概率 P=P/sum(P); % p指个体占比数组,sum(p)占比总和, % 相除后即是每个个体概率
(2)
计算每个个体的累积概率,相当于转盘上的“跨度”,“跨度”越大越容易选中,
即每个个体之前所有个体的选择概率之和。
C=cumsum(P);%cumsum累加函数
(3)
随机生成
%% 轮盘赌法,输入(待选个体占比概率),输出(符合要求的概率个体索引)function i=RouletteWheelSelection(P) r=rand; C=cumsum(P); i=find(r<=C,1,'first');end
参考文献
https://zhuanlan.zhihu.com/p/62666777
(整合网络资源编写,仅供学习参考,切勿商用,读者有问题可以后台回复小编,小编看到后会尽快回复您!)
— 往期精彩 —
智能优化算法 — 多目标粒子群优化算法(MOPSO)
2020-08-28
![9d92e445f975b9b26f6a0dae193ecd95.png](https://i-blog.csdnimg.cn/blog_migrate/5d56f372faff13bb0e1c1e2e621f9548.jpeg)
智能优化算法 — 多目标差分进化算法示例代码
2020-08-20
![9d92e445f975b9b26f6a0dae193ecd95.png](https://i-blog.csdnimg.cn/blog_migrate/5d56f372faff13bb0e1c1e2e621f9548.jpeg)
智能优化算法 — 多目标优化中非支配排序算法解读
2020-08-20
![9d92e445f975b9b26f6a0dae193ecd95.png](https://i-blog.csdnimg.cn/blog_migrate/5d56f372faff13bb0e1c1e2e621f9548.jpeg)
智能优化算法 — 差分进化算法示例代码
2020-08-07
![9d92e445f975b9b26f6a0dae193ecd95.png](https://i-blog.csdnimg.cn/blog_migrate/5d56f372faff13bb0e1c1e2e621f9548.jpeg)