这篇文章给大家分享的是有关python中轮盘赌算法的使用示例的内容。小编觉得挺实用的，因此分享给大家做个参考，一起跟随小编过来看看吧。
我们提供的服务有：网站建设、成都网站制作、微信公众号开发、网站优化、网站认证、黔西ssl等。为千余家企事业单位解决了网站和推广的问题。提供周到的售前咨询和贴心的售后服务，是有科学管理、有技术的黔西网站制作公司
1、说明
轮盘赌博算法的精髓是可以根据个人适应度随机选择，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。
2、实例
def select(chromosome_list, fitness_list): """ 选择(轮盘赌算法) :param chromosome_list: 二维列表的种群 :param fitness_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_fitness for i in fitness_list] # 每个个体占种群适应度的比例 fit_ratio_add = [0] # 个体累计概率 for i in fit_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 _ in chromosome_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''' while new_index < len(chromosome_list): if rand_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''' return new_population
Python主要应用于：1、Web开发；2、数据科学研究；3、网络爬虫；4、嵌入式应用开发；5、游戏开发；6、桌面应用开发。
感谢各位的阅读！关于“python中轮盘赌算法的使用示例”这篇文章就分享到这里了，希望以上内容可以对大家有一定的帮助，让大家可以学到更多知识，如果觉得文章不错，可以把它分享出去让更多的人看到吧！
