轮盘赌选择示例的说明答案

【问题标题】：explanation of roulette wheel selection example轮盘赌选择示例的说明
【发布时间】：2013-03-13 15:41:36
【问题描述】：

我有一个关于轮盘选择的 lisp 程序，我试图理解它背后的理论，但我什么都不懂。
如何计算所选字符串的适应度？
例如，如果我有一个字符串 01101，他们是如何得到 169 的适应度值的？

是不是01101的二进制编码计算为13，所以我把这个值平方，得到169的答案？

这听起来很蹩脚，但不知何故我这样做得到了正确的答案。

【问题讨论】：

标签： lisp genetic-algorithm

【解决方案1】：

因此，您拥有的适应度函数是F=X^2。

轮盘计算个人（字符串）占整体的比例（根据其适应度），然后用于为下一代随机选择一组字符串。

建议你多读几遍this。

【讨论】：

【解决方案2】：

（通常）任意选择给定问题的“适应度函数”，记住随着“适应度”指标的上升，解决方案应该接近最优。例如，对于目标是最小化正值的问题，F(x) 的自然选择是1/x。

对于手头的问题，适应度函数似乎已被指定为F(x) = val(x)*val(x)，尽管不能仅从 (x,F(x)) 的单个值对中确定。

轮盘赌选择只是一种常用的基于适应度的伪随机选择方法。如果您玩过轮盘赌或看过“幸运之轮”，这很容易理解。

让我们考虑最简单的情况，F(x) = val(x)，

假设我们有四个值，1,2,3 and 4。

这意味着这些“个体”分别拥有1,2,3 and 4 的适应度。现在选择单个“x1”的概率计算为F(x1)/(sum of all F(x))。也就是说，由于适应度之和为10，因此选择概率分别为0.1,0.2,0.3 and 0.4。

现在，如果我们从累积的角度考虑这些概率，x 的值将映射到以下“概率”范围：

1 ---> (0.0, 0.1]
2 ---> (0.1, (0.1 + 0.2)] ---> (0.1, 0.3]
3 ---> (0.3, (0.1 + 0.2 + 0.3)] ---> (0.3, 0.6]
4 ---> (0.6, (0.1 + 0.2 + 0.3 + 0.4)] ---> (0.6, 1.0]

也就是说，一个均匀分布的随机变量的实例，比如R，位于归一化区间(0, 1]，在4对应的区间内的可能性是4对应的区间的四倍1.

换句话说，假设您要旋转一个轮盘式结构，每个x 分配一个扇区，扇区的面积与其各自的F(x) 值成正比，那么概率指标将在任何给定扇区停止与F(x) 的值成正比，对于x。

【讨论】：