機器學習——輪盤賭算法


輪盤賭選擇法(roulette wheel selection)是最簡單也是最常用的選擇方法,在該方法中,各個個體的選擇概率和其適應度值成比例,適應度越大,選中概率也越大。但實際在進行輪盤賭選擇時個體的選擇往往不是依據個體的選擇概率,而是根據“累積概率”來進行選擇。

輪盤賭選擇法操作過程

以一個實例來講述輪盤賭選擇法的具體過程,現有一個抽獎輪盤如下:

pie title 輪盤賭 "一等獎" : 5 "二等獎" : 15 "三等獎" : 20 "幸運獎" : 25 "謝謝參與": 35

對於這個游戲來說, 每一個獎項都有它概率。

獎項 謝謝參與 幸運獎 三等獎 二等獎 一等獎
編號 1 2 3 4 5
選中概率 0.35 0.25 0.2 0.15 0.05
累計概率 0.35 0.6 0.8 0.95 1

但是對於輪盤賭這個說法來說,並沒有這一說,概率往往用適應度來表示,類似於發生次數。

\(x_i\)的適應度記為\(f(x_i)\)。其計算公式為\(p(x_i)=\frac{f(x_i)}{\sum_{j=i}^Nf_j}\),很像softmax的計算公式。

同樣的我們利用這個累計概率和cdf畫兩個圖出來。

image
image

這樣我們隨機從0-1分布內取數,就可以獲得與原數據分布相同的數據


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM