1.基本思想
个体被选中的概率与其适应度函数值(或已知频率)成正比。
设群体大小为n,个体i的适应度为Fi,则个体i被选中遗传到下一代群体的概率为:
P
i
=
F
i
/
∑
i
=
1
n
F
i
P_{i}=F_{i} / \sum_{i=1}^{n} F_{i}
Pi=Fi/i=1∑nFi
2.工作过程
设想群体全部个体的适当性分数由一张饼图来代表 (见图)。
群体中每一染色体指定饼图中一个小块。块的大小与染色体的适应性分数成比例,适应性分数愈高,它在饼图中对应的小块所占面积也愈大。为了选取一个染色体,要做的就是旋转这个轮子,直到轮盘停止时,看指针停止在哪一块上,就选中与它对应的那个染色体。
若产生的随机数是0.81,则6号个体被选中。
3.算法实现
import java.util.HashMap;
import java.util.Map;
import java.util.Random;
public class Test {
//String 可以为任意类型 也可以自定义类型
static Map<String, Integer> keyChanceMap = new HashMap<String,Integer>();
static{
keyChanceMap.put("出现比例为10的", 10);
keyChanceMap.put("出现比例为100的", 100);
keyChanceMap.put("出现比例为500的", 500);
keyChanceMap.put("出现比例为1000的", 1000);
keyChanceMap.put("出现比例为10000的", 10000);
}
public static void main(String[] args) {
Map<String, Integer> count = new HashMap<String,Integer>();
for (int i = 0; i < 100000; i++) {
String item = chanceSelect(keyChanceMap);
if (count.containsKey(item)) {
count.put(item, count.get(item) + 1);
} else {
count.put(item, 1);
}
}
for(String id : count.keySet()){
System.out.println(id+"\t出现了 "+count.get(id)+" 次");
}
}
public static String chanceSelect(Map<String, Integer> keyChanceMap) {
if(keyChanceMap == null || keyChanceMap.size() == 0)
return null;
Integer sum = 0;
for (Integer value : keyChanceMap.values()) {
sum += value;
}
// 从1开始
Integer rand = new Random().nextInt(sum) + 1;
for (Map.Entry<String, Integer> entry : keyChanceMap.entrySet()) {
rand -= entry.getValue();
// 选中
if (rand <= 0) {
String item = entry.getKey();
return item;
}
}
return null;
}
}
结果:
出现比例为10000的 出现了 86157 次
出现比例为100的 出现了 879 次
出现比例为500的 出现了 4422 次
出现比例为1000的 出现了 8461 次
出现比例为10的 出现了 81 次