GA中的排名选择？

Question

我在GA中实施了Roulette wheel selection。

TotalFitness=sum(Fitness); 
    ProbSelection=zeros(PopLength,1); 
    CumProb=zeros(PopLength,1); 

    for i=1:PopLength 
     ProbSelection(i)=Fitness(i)/TotalFitness; 
     if i==1 
      CumProb(i)=ProbSelection(i); 
     else 
      CumProb(i)=CumProb(i-1)+ProbSelection(i); 
     end 
    end 

    SelectInd=rand(PopLength,1); 

    for i=1:PopLength 
     flag=0; 
     for j=1:PopLength 
      if(CumProb(j)<SelectInd(i) && CumProb(j+1)>=SelectInd(i)) 
       SelectedPop(i,1:IndLength)=CurrentPop(j+1,1:IndLength); 
       flag=1; 
       break; 
      end 
     end 
     if(flag==0) 
      SelectedPop(i,1:IndLength)=CurrentPop(1,1:IndLength); 
     end 
    end 

现在我试图在GA实现rank selection。我了解到：

• 排名选择排名第一的人口，然后每一个染色体从这个排名接收健身。

• 最糟糕的是健身1，第二最差2等，最好的健身N（人口中的染色体数量）。
  

我看到了这些link1和link2和我的理解是：

1. 首先，我要排序的人口的健身价值。

2. 那么如果人口数量是10，那么我会给人口的选择概率如0.1,0.2,0.3，...，1.0。

3. 然后我会计算累积健身，如轮盘。
4. 接下来的步骤与轮盘相同。

我的实现：

NewFitness=sort(Fitness); 
    NewPop=round(rand(PopLength,IndLength)); 

    for i=1:PopLength 
     for j=1:PopLength 
      if(NewFitness(i)==Fitness(j)) 
       NewPop(i,1:IndLength)=CurrentPop(j,1:IndLength); 
       break; 
      end 
     end 
    end 
    CurrentPop=NewPop; 

    ProbSelection=zeros(PopLength,1); 
    CumProb=zeros(PopLength,1); 

    for i=1:PopLength 
     ProbSelection(i)=i/PopLength; 
     if i==1 
      CumProb(i)=ProbSelection(i); 
     else 
      CumProb(i)=CumProb(i-1)+ProbSelection(i); 
     end 
    end 

    SelectInd=rand(PopLength,1); 

    for i=1:PopLength 
     flag=0; 
     for j=1:PopLength 
      if(CumProb(j)<SelectInd(i) && CumProb(j+1)>=SelectInd(i)) 
       SelectedPop(i,1:IndLength)=CurrentPop(j+1,1:IndLength); 
       flag=1; 
       break; 
      end 
     end 
     if(flag==0) 
      SelectedPop(i,1:IndLength)=CurrentPop(1,1:IndLength); 
     end 
    end 

我是理解错误算法中？如果是的话，任何人都可以给我任何想法如何修改我的轮盘赌轮以选择等级？

Answer 1

如果人口有N个人，最好单独获得排名N和最差1然后

TotalFitness = sum(Fitness); 

应改为：

TotalFitness = (N + 1) * N/2; 

（可能TotalFitness已不再对正确的名称为变量，但让它去）

(N + 1) * N/2是队伍的简单相加：

ProbSelection(i) = Fitness(i)/TotalFitness; 

到

ProbSelection(i) = i/TotalFitness; 

这里使用的等级，而不是健身和假设：

1 + 2 + ... + N = (N + 1) * N/2 

选择的概率应该被改变第一个人是最差的，最后一个是最好的（排序人群）。

因此，排序选择算法的复杂性主要取决于排序的复杂性（O(N * log(N)）。

你可以看到，选择的最差个体的概率为：

1/((N + 1) * N/2) = 2/((N + 1) * N) 

和最佳个体的概率为：

N/(((N + 1) * N/2)) = 2 * (N + 1) 

这是一个线性等级选择：这些队伍处于线性进展。还有其他的等级选择方案（例如指数）。