遗传算法(Genetic Algorithm，GA)的轮盘赌选择，python

遗传算法(Genetic Algorithm，GA)的轮盘赌选择，python

一个简单的例子说明在遗传算法中使用的轮盘赌方法。

（1）假设有一个 初始种群，01二进制编码十进制数值：

s1= 13 (01101)

s2= 24 (11000)

s3= 8   (01000)

s4= 19 (10011)

（2）计算适应度，假设适应度函数为f(s)=s^2 ，则：

f(s1) = f(13) = 13^2 = 169
f(s2) = f(24) = 24^2 = 576
f(s3) = f(8) = 8^2 = 64
f(s4) = f(19) = 19^2 = 361

接下来的，

（3）染色体选择概率：

（4）染色体累积概率：

选择概率形成的轮盘：

 显然，p(s2)=0.49概率最大，被选中的概率最高。下面用python写一个轮盘选择实现，验证我们的猜想：

import random

p = [0.14, 0.49, 0.06, 0.31]

#遗传算法-轮盘赌选择
def rws():
    # r为0到1之间的随机数
    r = random.uniform(0, 1)

    idx = 0
    sm = 0
    for i in range(len(p)):
        # 产生的随机数在sm~sm+p[i]间则认为选中i
        # 因此i被选中的概率是p[i]
        sm = sm + p[i]
        if r <= sm:
            idx = i
            break

    return idx


if __name__ == '__main__':
    for i in range(10):
        i = rws()
        print(p[i])

程序跑了10次，每一次在rws()函数中产生一个随机概率数值r，然后在rws()函数内部比较r与累积概率的大小，确定被选中的概率是p[?]

运行输出：

0.14
0.31
0.49
0.31
0.31
0.49
0.31
0.14
0.49
0.49

输出结果证实了我们的猜想，p[s2]=0.49被选中的概率最高，在10次的随机筛选中，p[s2]=0.49被选中了4次(4/10)。