Может ли кто-нибудь предоставить некоторый псевдокод для функции выбора рулетки? Как бы это реализовать: я действительно не понимаю, как читать эту математическую нотацию. Мне нужен общий алгоритм.Алгоритм выбора колеса рулетки
ответ
Есть 2 шага к этому: сначала создайте массив со всеми значениями на колесе. Это может быть двухмерный массив с цветом, а также числом, или вы можете добавить 100 красных цифр.
Затем просто создайте случайное число между 0 или 1 (в зависимости от того, начинает ли ваш язык индексировать индексы массива от 0 или 1) и последний элемент в вашем массиве.
Большинство языков имеют встроенные функции случайных чисел. В VB и VBScript
функция RND()
. В Javascript это Math.random()
Извлеките значение из этой позиции в массиве, и у вас есть номер случайной рулетки.
Заключительная записка: не забудьте засеять генератор случайных чисел, или вы получите одну и ту же последовательность розыгрышей при каждом запуске программы.
Генератор случайных чисел псевдокод
- добавьте в последовательный счетчик
- получить текущее значение последовательного счетчика
- добавить значение счетчика на компьютере клещ счетчик или какой-либо другой небольшое значение интервала таймера
- необязательно добавлять дополнительные номера, например, номер из внешней части аппаратного обеспечения, такой как плазменный генератор или какой-либо другой ее тип несколько случайных явлений
- делит результат на очень большом простом числе 359334085968622831041960188598043661065388726959079837, например
- получить некоторые цифры из правой части десятичной точки результата
- использовать эти цифры в качестве случайного номер
Используйте цифры случайных чисел для создания случайных чисел между 1 и 38 (или 37 европейскими) для рулетки.
Я думаю, что случайные числа были решены на каждом языке программирования, и этот процесс больше не нужно делать вручную. Почему вы не указали на подключение всех полузагрузчиков, пока вы на это? – Karl 2008-11-27 00:22:05
Ну, за рулем американской рулетки, вы будете нуждаться, чтобы сгенерировать случайное число от 1 до 38. Есть 36 номеров, а 0, и 00.
Одна из больших вещей однако считают, что в американской рулетке их много разных ставок, которые можно сделать. Одна ставка может охватывать 1, 2, 3, 4, 5, 6, две разные 12 или 18. Возможно, вы захотите создать список списков, в которых каждый номер имеет дополнительные флаги, чтобы упростить это, или сделать все это в программировании ,
Если бы я реализовал его в Python, я бы просто создал набор из 0, 00 и от 1 до 36 и использовал random.choice() для каждого вращения.
Другие ответы, похоже, предполагают, что вы пытаетесь реализовать игру в рулетку. Я думаю, что вы спрашиваете о выборе колеса рулетки в эволюционных алгоритмах.
Here is some Java code, который осуществляет выбор колес рулетки.
Предположим, у вас есть 10 предметов на выбор, и вы выбираете, создавая случайное число от 0 до 1. Вы делите диапазон от 0 до 1 вверх на десять непересекающихся сегментов, каждый из которых пропорционален фитнесу одного из десяти Предметы. Например, это может выглядеть так:
0 - 0.3 is item 1
0.3 - 0.4 is item 2
0.4 - 0.5 is item 3
0.5 - 0.57 is item 4
0.57 - 0.63 is item 5
0.63 - 0.68 is item 6
0.68 - 0.8 is item 7
0.8 - 0.85 is item 8
0.85 - 0.98 is item 9
0.98 - 1 is item 10
Это ваше колесо рулетки. Ваше случайное число от 0 до 1 - это ваше вращение. Если случайное число равно 0,46, то выбранный пункт пункт 3. Если это 0,92, то это пункт 9.
Это самый быстрый из тех, с которыми я столкнулся. Очень хорошо. – 2014-04-19 02:14:23
Никто не говорит о замене выбранного элемента, чтобы выбранный элемент больше не выбирался. Любое решение для этого? – 2016-03-24 17:20:17
@AnikIslamAbhi, насколько мне известно, выбор колесика рулетки предполагает, что каждый предмет может быть выбран более одного раза. Если вы рандомизировали `N` раз (где` N` - подсчет населения), вы после этой выборки возьмете ровно одну и ту же популяцию. – 2017-05-11 12:43:55
Во-первых, сформировать массив проценты вы назначены, скажем p[1..n]
и предположим, что общая сумма сумма всех процентов.
Тогда получить случайное число от 1 до общего, скажем r
Теперь алгоритм в Lua:
local c = 0
for i = 1,n do
c = c + p[i]
if r <= c then
return i
end
end
Это предполагает некоторый класс «Классификатор», который только есть условие String, String сообщение и двойную силу. Просто следуйте логике.
- Пол
public static List<Classifier> rouletteSelection(int classifiers) {
List<Classifier> classifierList = new LinkedList<Classifier>();
double strengthSum = 0.0;
double probabilitySum = 0.0;
// add up the strengths of the map
Set<String> keySet = ClassifierMap.CLASSIFIER_MAP.keySet();
for (String key : keySet) {
/* used for debug to make sure wheel is working.
if (strengthSum == 0.0) {
ClassifierMap.CLASSIFIER_MAP.get(key).setStrength(8000.0);
}
*/
Classifier classifier = ClassifierMap.CLASSIFIER_MAP.get(key);
double strength = classifier.getStrength();
strengthSum = strengthSum + strength;
}
System.out.println("strengthSum: " + strengthSum);
// compute the total probability. this will be 1.00 or close to it.
for (String key : keySet) {
Classifier classifier = ClassifierMap.CLASSIFIER_MAP.get(key);
double probability = (classifier.getStrength()/strengthSum);
probabilitySum = probabilitySum + probability;
}
System.out.println("probabilitySum: " + probabilitySum);
while (classifierList.size() < classifiers) {
boolean winnerFound = false;
double rouletteRandom = random.nextDouble();
double rouletteSum = 0.0;
for (String key : keySet) {
Classifier classifier = ClassifierMap.CLASSIFIER_MAP.get(key);
double probability = (classifier.getStrength()/strengthSum);
rouletteSum = rouletteSum + probability;
if (rouletteSum > rouletteRandom && (winnerFound == false)) {
System.out.println("Winner found: " + probability);
classifierList.add(classifier);
winnerFound = true;
}
}
}
return classifierList;
}
Вот немного питона код:
def roulette_select(population, fitnesses, num):
""" Roulette selection, implemented according to:
<http://stackoverflow.com/questions/177271/roulette
-selection-in-genetic-algorithms/177278#177278>
"""
total_fitness = float(sum(fitnesses))
rel_fitness = [f/total_fitness for f in fitnesses]
# Generate probability intervals for each individual
probs = [sum(rel_fitness[:i+1]) for i in range(len(rel_fitness))]
# Draw new population
new_population = []
for n in xrange(num):
r = rand()
for (i, individual) in enumerate(population):
if r <= probs[i]:
new_population.append(individual)
break
return new_population
Вы можете использовать структуру данных, как это:
Map<A, B> roulette_wheel_schema = new LinkedHashMap<A, B>()
где А представляет собой целое число который представляет карман колеса рулетки, а B - индекс, который идентифицирует хромосому в популяции. Количество карманов пропорционально пригодности соразмерных каждой хромосомы:
количества карманов = (пригодности соразмерные) · (масштабный коэффициент)
Затем мы генерируем случайное от 0 до размера отбора схемы и с этим случайным числом мы получаем индекс хромосомы из рулетки.
Мы вычисляем относительную погрешность между пропорциональностью работоспособности каждой хромосомы и вероятностью выбора по схеме выбора.
Метод getRouletteWheel возвращает схему выбора, основываясь на предыдущей структуре данных.
private Map<Integer, Integer> getRouletteWheel(
ArrayList<Chromosome_fitnessProportionate> chromosomes,
int precision) {
/*
* The number of pockets on the wheel
*
* number of pockets in roulette_wheel_schema = probability ·
* (10^precision)
*/
Map<Integer, Integer> roulette_wheel_schema = new LinkedHashMap<Integer, Integer>();
double fitness_proportionate = 0.0D;
double pockets = 0.0D;
int key_counter = -1;
double scale_factor = Math
.pow(new Double(10.0D), new Double(precision));
for (int index_cromosome = 0; index_cromosome < chromosomes.size(); index_cromosome++){
Chromosome_fitnessProportionate chromosome = chromosomes
.get(index_cromosome);
fitness_proportionate = chromosome.getFitness_proportionate();
fitness_proportionate *= scale_factor;
pockets = Math.rint(fitness_proportionate);
System.out.println("... " + index_cromosome + " : " + pockets);
for (int j = 0; j < pockets; j++) {
roulette_wheel_schema.put(Integer.valueOf(++key_counter),
Integer.valueOf(index_cromosome));
}
}
return roulette_wheel_schema;
}
Я хотел, чтобы такой же и созданный этот самостоятельный класс рулетки. Вы даете ему ряд весов (в виде двойного массива), и он просто возвращает индекс из этого массива в соответствии с взвешенным случайным выбором.
Я создал класс, потому что вы можете получить большую скорость, только делая кумулятивные добавления один раз через конструктор.Это код C#, но наслаждайтесь C, как скорость и простота!
class Roulette
{
double[] c;
double total;
Random random;
public Roulette(double[] n) {
random = new Random();
total = 0;
c = new double[n.Length+1];
c[0] = 0;
// Create cumulative values for later:
for (int i = 0; i < n.Length; i++) {
c[i+1] = c[i] + n[i];
total += n[i];
}
}
public int spin() {
double r = random.NextDouble() * total; // Create a random number between 0 and 1 and times by the total we calculated earlier.
//int j; for (j = 0; j < c.Length; j++) if (c[j] > r) break; return j-1; // Don't use this - it's slower than the binary search below.
//// Binary search for efficiency. Objective is to find index of the number just above r:
int a = 0;
int b = c.Length - 1;
while (b - a > 1) {
int mid = (a + b)/2;
if (c[mid] > r) b = mid;
else a = mid;
}
return a;
}
}
Первоначальные грузы зависят от вас. Возможно, это может быть пригодность каждого члена или значение, обратно пропорциональное позиции участника в «топ-50». Например: 1-е место = 1,0 взвешивание, 2-е место = 0,5, 3-е место = 0,333, 4-е место = 0,25 взвешивания и т. Д.
Вот очень быстрый способ сделать это, используя выбор потока на Java. Он выбирает индексы массива, используя значения в виде весов. Никаких кумулятивных весов не требуется из-за mathematical properties.
static int selectRandomWeighted(double[] wts, Random rnd) {
int selected = 0;
double total = wts[0];
for(int i = 1; i < wts.length; i++) {
total += wts[i];
if(rnd.nextDouble() <= (wts[i]/total)) selected = i;
}
return selected;
}
Это может быть дополнительно улучшено с помощью Kahan summation или чтения через двойники как итератор, если массив был слишком велик, чтобы инициализировать сразу.
Я боюсь, что любой, кто использует встроенный генератор случайных чисел во всех языках программирования, должен знать, что сгенерированное число не является 100% случайным. Это следует использовать с осторожностью.
Я разработал код Java, аналогичный Java-файлу Дэна Дайера (ссылка на него ранее). Однако мое колесо рулетки выбирает один элемент на основе вектора вероятности (ввода) и возвращает индекс выбранного элемента. Сказав это, следующий код более подходит, если размер выбора является унитарным, и если вы не предполагаете, как вычисляются вероятности, а значение вероятности равна нулю. Код является самодостаточным и включает в себя тест с 20 колесами (для запуска).
import java.util.ArrayList;
import java.util.Arrays;
import java.util.List;
import java.util.Random;
import java.util.logging.Level;
import java.util.logging.Logger;
/**
* Roulette-wheel Test version.
* Features a probability vector input with possibly null probability values.
* Appropriate for adaptive operator selection such as Probability Matching
* or Adaptive Pursuit, (Dynamic) Multi-armed Bandit.
* @version October 2015.
* @author Hakim Mitiche
*/
public class RouletteWheel {
/**
* Selects an element probabilistically.
* @param wheelProbabilities elements probability vector.
* @param rng random generator object
* @return selected element index
* @throws java.lang.Exception
*/
public int select(List<Double> wheelProbabilities, Random rng)
throws Exception{
double[] cumulativeProba = new double[wheelProbabilities.size()];
cumulativeProba[0] = wheelProbabilities.get(0);
for (int i = 1; i < wheelProbabilities.size(); i++)
{
double proba = wheelProbabilities.get(i);
cumulativeProba[i] = cumulativeProba[i - 1] + proba;
}
int last = wheelProbabilities.size()-1;
if (cumulativeProba[last] != 1.0)
{
throw new Exception("The probabilities does not sum up to one ("
+ "sum="+cumulativeProba[last]);
}
double r = rng.nextDouble();
int selected = Arrays.binarySearch(cumulativeProba, r);
if (selected < 0)
{
/* Convert negative insertion point to array index.
to find the correct cumulative proba range index.
*/
selected = Math.abs(selected + 1);
}
/* skip indexes of elements with Zero probability,
go backward to matching index*/
int i = selected;
while (wheelProbabilities.get(i) == 0.0){
System.out.print(i+" selected, correction");
i--;
if (i<0) i=last;
}
selected = i;
return selected;
}
public static void main(String[] args){
RouletteWheel rw = new RouletteWheel();
int rept = 20;
List<Double> P = new ArrayList<>(4);
P.add(0.2);
P.add(0.1);
P.add(0.6);
P.add(0.1);
Random rng = new Random();
for (int i = 0 ; i < rept; i++){
try {
int s = rw.select(P, rng);
System.out.println("Element selected "+s+ ", P(s)="+P.get(s));
} catch (Exception ex) {
Logger.getLogger(RouletteWheel.class.getName()).log(Level.SEVERE, null, ex);
}
}
P.clear();
P.add(0.2);
P.add(0.0);
P.add(0.5);
P.add(0.0);
P.add(0.1);
P.add(0.2);
//rng = new Random();
for (int i = 0 ; i < rept; i++){
try {
int s = rw.select(P, rng);
System.out.println("Element selected "+s+ ", P(s)="+P.get(s));
} catch (Exception ex) {
Logger.getLogger(RouletteWheel.class.getName()).log(Level.SEVERE, null, ex);
}
}
}
/**
* {@inheritDoc}
* @return
*/
@Override
public String toString()
{
return "Roulette Wheel Selection";
}
}
Ниже приводится образец выполнения для вектора Р проба = [0.2,0.1,0.6,0.1], WheelElements = [0,1,2,3]:
элемента, выбранных 3, Р (с) = 0,1
элемент, выбранный 2, P (s) = 0,6
элемент, выбранный 3, P (s) = 0,1
элемент, выбранный 2, P (s) = 0,6
элемент, выбранный 1, P (S) = 0,1
элемент, выбранный 2, P (S) = 0,6
элемент, выбранный 3, P (S) = 0,1
элемент, выбранный 2, P (с) = 0,6
элемент, выбранный 2, P (s) = 0,6
элемент, выбранный 2, P (s) = 0,6
элемент, выбранный 2, P (s) = 0. 6
элемент, выбранный 2, P (S) = 0,6
элемент, выбранный 3, P (S) = 0,1
элемент, выбранный 2, P (S) = 0,6
элемент, выбранный 2 , P (s) = 0,6
Элемент выбран 2, P (s) = 0.6
элемент, выбранный 0, P (S) = 0,2
элемент, выбранный 2, P (S) = 0,6
элемент, выбранный 2, P (S) = 0,6
элемент, выбранный 2 , P (s) = 0,6
Код также проверяет колесо рулетки с нулевой вероятностью.
- 1. Объяснение рулетки колеса номер выбор
- 2. Выбор колеса рулетки в генетическом алгоритме
- 3. Причина нормализации индивидуальности человека при использовании выбора колеса рулетки
- 4. Выбор колеса рулетки для минимизации функции
- 5. Упорядочить массив определенным образом (элементы колеса рулетки)
- 6. В генетическом алгоритме выбор колеса рулетки аналогичен методу Монте-Карло?
- 7. Как исправить этот багги-код (выбор колеса рулетки)?
- 8. Что делать, если выбор колеса рулетки возвращает одного и того же родителя?
- 9. Tensorflow: «» Колесо рулетки»Выбор
- 10. Понимание «алгоритм выбора» Алгоритм
- 11. Алгоритм выбора слов (алгоритм Леска)
- 12. Как создать слайдер колеса выбора цвета?
- 13. Как реализовать колесо рулетки для выбора случайных объектов в python?
- 14. IRC Bot - Команда рулетки
- 15. алгоритм выбора в Java
- 16. Алгоритм выбора лидера
- 17. Алгоритм выбора цвета
- 18. Быстрый алгоритм выбора
- 19. Алгоритм выбора подсчета
- 20. Рандомизированный алгоритм выбора
- 21. Алгоритм выбора Runtime
- 22. алгоритм выбора интервала
- 23. Алгоритм выбора сортировки Python
- 24. Алгоритм выбора ранжирования
- 25. Алгоритм выбора/сортировки (рюкзак)
- 26. анализ рандомизированного выбора. Алгоритм
- 27. сортировка Выбора проблемы алгоритм
- 28. Алгоритм выбора количества
- 29. Алгоритм для исключения выбора
- 30. Алгоритм выбора способа
Отредактированные теги. Кто-то удалил «генетический» тег из первой редакции этого вопроса, что значительно уменьшило то, что было задано. – 2008-11-26 16:25:55
unsigned int num = :: rand()% 37; – 2010-05-07 09:22:33