说明
1、轮盘赌算法的精髓是可以根据个人适应度随机选择。
2、适应度越大的个人选择的概率越高,群体规模越大,该算法可以比较真实地模拟自然状态的状况。
实例
defselect(chromosome_list,fitness_list): """ 选择(轮盘赌算法) :paramchromosome_list:二维列表的种群 :paramfitness_list:适应度列表 :return:选择之后的种群列表 """ population_fitness=np.array(fitness_list).sum()#种群适应度 fit_ratio=[i/population_fitnessforiinfitness_list]#每个个体占种群适应度的比例 fit_ratio_add=[0]#个体累计概率 foriinfit_ratio: fit_ratio_add.append(fit_ratio_add[len(fit_ratio_add)-1]+i)#计算每个个体的累计概率,并存放到fit_ratio_add中 fit_ratio_add=fit_ratio_add[1:]#去掉首位的0 rand_list=[random.uniform(0,1)for_inchromosome_list]#生成和种群规模相等的随机值列表,用于轮盘赌选择个体 rand_list.sort() fit_index=0 new_index=0 new_population=chromosome_list.copy() '''个体选择start''' whilenew_index<len(chromosome_list): ifrand_list[new_index]<fit_ratio_add[fit_index]: new_population[new_index]=chromosome_list[fit_index] new_index=new_index+1 else: fit_index=fit_index+1 '''个体选择end''' returnnew_population
以上就是python轮盘赌算法的使用,希望对大家有所帮助。更多Python学习指路:Python基础教程
声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。
评论(0)