使用Python实现轮盘赌选择法Roulette Wheel Selection Method in Python

2023-12-08 04:04

本文主要是介绍使用Python实现轮盘赌选择法Roulette Wheel Selection Method in Python,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

一、引言

        最近在手写遗传算法,想尝试解决一些优化问题。然而,在编码的过程中,自己发现了很多都不懂的问题。比如,交叉的操作,有单点交叉、两点交叉和多点交叉,具体选哪一种会更好呢?未知。还有交叉的概率,以及变异的概率,取多少才算合理呢?未知。最后就是轮盘赌选择法,在实现的时候,也有一点小疑惑,就是:通过Python的random没办法直接使用choice、choices或sample进行选择。所以,只好通过手动的方式写一个了。

二、轮盘赌选择法/Roulette Wheel Selection Method

        轮盘赌选择法,即Roulette Wheel Selection Method,又称为Fitness Proportionate Selection Method。常用于遗传算法染色体的选择。从选择的个数来看,如果只是一个,那么很好实现。但如果是从多个选择之中选择一个,那么就稍微复杂一些了。

        想象有一个轮盘,现在我们将它分割成m个部分,而这里的m代表我们总体中染色体的个数。每条染色体在轮盘上占有的区域面积将根据适应度分数成比例表达出来。例如m=4,而各条染色体的适应度分数分别为28、23、12、34。那么,轮盘的形状如下:

        假设有一个固定的指针固定在圆盘周长上的某一点,轮盘开始旋转,那么当旋转停止时,就能够确定指针停留在哪个区域,并根据此区域能够选择出一个染色体。例如,

        这样,第一个染色体便被选了出来,而且它被选中的概率是35%(34/(28+23+12+34))。此时如果要选出第二个染色体,就拥有两种实现方式了:

        ①轮盘中不删除chromosome4,如果通过旋转随机停下选出来的还是chromosome4,就重新选择,直到选出一个染色体不是chromosome4为止。

        ②轮盘中删除chromosome4,然后按照下面的轮盘进行选择:

        显然,在第二种实现方法中,各染色体被选中的概率已经发生了变化。而且,第一种实现方法存在一个比较明显的缺点,就是:有可能一直都选择同一个染色体,尽管选择的尝试越久、概率越低,这导致选择的效率下降。第一种实现方式还有一个缺点是,选择到两个不同的染色体的概率是不可计算的,因为轮盘选择的结果拥有无数个(例如,每次旋转都被选中相同的chromosome4,导致一个死循环并不断做轮盘选择);而第二种的概率是可以被计算,因为每种选择的结果确定(例如,chromosome4-chromosome1、chromosome4-chromosome2或chromosome4-chromosome3)。

        因此,这里推荐使用第二种实现方式实现轮盘赌选择法。

三、基于Python的实现方式

        编程思想很简单,大概如下。生成一个[0,total_fitness)的随机数R

        如果R≤28,则选择chromosome1;

        如果28<R≤28+23,则选择chromosome2;

        如果28+23<R≤28+23+12,则选择chromosome3;

        如果28+23+12<R≤28+23+12+34,则选择chromosome4。

        当需要选择第二个染色体时,就从list中进行删除,当然fitness所对应的list也需要进行删除。

        实现方式为:

import copy
import random# function: achieve the roulette wheel selection method
# population_list: the list of optional chromosomes
# fitness_list: the corresponding fitness of chromosomes
# num_selection: the number of chromosome selection
def rw_selection(chromosome_list, fitness_list, num_selection):# copy a duplicate of the populationcp_chromosome_list = copy.deepcopy(chromosome_list)cp_fitness_list = copy.deepcopy(fitness_list)# define a list for save the selected chromosomesselected_chromosome_list = []# select m chromosomes from cp_chromosome_listfor _ in range(num_selection):# calculate the current sum of chromosome fitnesstotal_fitness = sum(cp_fitness_list)# judge which chromosome is selectedrandom_value = random.uniform(0, total_fitness)cumulative_fitness = 0for i, chromosome in enumerate(cp_chromosome_list):cumulative_fitness += cp_fitness_list[i]if cumulative_fitness >= random_value:# select a chromosomeselected_chromosome_list.append(chromosome)# remove the corresponding chromosome and fitnesscp_chromosome_list.pop(i)cp_fitness_list.pop(i)break# return the selection resultreturn selected_chromosome_list# enter of the program
if __name__ == '__main__':p = ['chromosome1', 'chromosome2', 'chromosome3', 'chromosome4']f = [28, 23, 12, 34]m = 2for _ in range(10):selected_p = rw_selection(p, f, m)print(selected_p)

四、运行结果和讨论

['chromosome3', 'chromosome4']
['chromosome1', 'chromosome2']
['chromosome2', 'chromosome1']
['chromosome3', 'chromosome1']
['chromosome1', 'chromosome2']
['chromosome1', 'chromosome3']
['chromosome4', 'chromosome1']
['chromosome4', 'chromosome2']
['chromosome3', 'chromosome4']
['chromosome4', 'chromosome1']

Process finished with exit code 0

        从运行的结果来看,chromosome4和chromosome1被优先选择的概率较高,因为chromosome4被选择的次数为5/20,而chromosome1被选择的次数为7/20。另外,chromosome2被选择的次数为4/20,chromosome3被选择的次数为4/20。基本上符合fitness的分布,但由于试验次数太少,chromosome4被选择的次数要少于chromosome1。

五、总结

        其实感觉这篇博客的意义不是很大,但是怕自己以后还遇到这个小问题,所以,还是记录一下比较好。如果博客中出现一些问题,还请广大网友批评指正。

六、参考资料

        1. 遗传算法

        2. Fitness Proportionate Selection

        3. what is roulette wheel selection

这篇关于使用Python实现轮盘赌选择法Roulette Wheel Selection Method in Python的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/468476

相关文章

pandas中位数填充空值的实现示例

《pandas中位数填充空值的实现示例》中位数填充是一种简单而有效的方法,用于填充数据集中缺失的值,本文就来介绍一下pandas中位数填充空值的实现,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是中位数填充?为什么选择中位数填充?示例数据结果分析完整代码总结在数据分析和机器学习过程中,处理缺失数

Golang HashMap实现原理解析

《GolangHashMap实现原理解析》HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持高效的插入、查找和删除操作,:本文主要介绍GolangH... 目录HashMap是一种基于哈希表实现的键值对存储结构,它通过哈希函数将键映射到数组的索引位置,支持

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数

Java对象转换的实现方式汇总

《Java对象转换的实现方式汇总》:本文主要介绍Java对象转换的多种实现方式,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友参考下吧... 目录Java对象转换的多种实现方式1. 手动映射(Manual Mapping)2. Builder模式3. 工具类辅助映

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Go语言开发实现查询IP信息的MCP服务器

《Go语言开发实现查询IP信息的MCP服务器》随着MCP的快速普及和广泛应用,MCP服务器也层出不穷,本文将详细介绍如何在Go语言中使用go-mcp库来开发一个查询IP信息的MCP... 目录前言mcp-ip-geo 服务器目录结构说明查询 IP 信息功能实现工具实现工具管理查询单个 IP 信息工具的实现服

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模