轮盘赌选择解决思路

轮盘赌选择
重温轮盘赌选择  
(Roulette Whell Selection Revisited )  
    
   让我们从轮盘赌选择算法开始。请记住，这一个函数的功能是从群体中选择一个 基因组，选中的几率正比于基因组的适应性分数。  
    
   SGenome& CgaBob::RouletteWheelSelection()  
   {  
   double fSlice = RandFloat()*m_dTotalFitnessScore;  
    
   我们从零到整个适应分范围内随机选取了一实数fSlice 。我喜欢把此数看作整个  
   适应性分数饼图中的一块，如早先在图3.4中所示。 ［但并不是其中一块，译注］  
    
   double cfTotal = O;  
   int SelectedGenome = 0;  
   for (int i=O; i <m_iPopSize; ++i)  
   {  
   cfTotal += m_vecGenomes[i].dFitness;  
   if (cfTotal > fSlice)  
   {  
   SelectedGenome = i;  
   break;  
   }  
   }  
   return m_vecGenomes[SelectedGenome];  
   }  
大家帮助看看这段代码，我怎么看不出这种选择方法中，适应度高的被选中的机率就高呢nbsp;
 
这是《游戏开发中的人工智能技术》一书的一个章节，请高人指点。 
原文内容：http://book.csdn.net/bookfiles/206/1002069949.shtml 
 

[解决办法]
轮盘的总面积是m_dTotalFitnessScore，每一个染色体的适应性dFitness越大，它在这个轮盘面积中的比例也越大，
 fSlice = RandFloat()*m_dTotalFitnessScore; 
这句表示轮盘上的指针随机转到了一个位置，指针和起点的距离是fSlice,起点是从染色体数组的第一条算起，后面的那个循环就是
要发现指针指到了哪一条染色体的范围内。
因为每一个染色体的适应性dFitness越大，它在这个轮盘面积中的比例也越大，它被选中的机会也就越大。
本文来自：读书人网(http://www.reader8.cn/)原文链接：http://www.reader8.cn/jiaocheng/20120217/2005927.html

来源：cassiePython