我需要从一组数据中概率性地选择一个样本。
假设我有一组值 array[12, 15, 29, 17, 12, 29]。标准方法是计算总数 (12 + 15 + 29 + 17 + 12 + 29)，然后创建一个有利于较高值的微调器。有点像饼图，我们从样本集中随机选择，但偏爱具有最高值的个体。
以上数字为例，您随机选择 array[0] 的几率是 11%，而 array[5] 的几率是 25%。没关系
虽然我想做的是支持较低的数字，但凭借我所有的头脑 Storm 能力，我无法想出一种方法来为较低的数字提供统计上相等的选择概率，就好像我们要选择较大的数字一样。
我解决这个问题的一种方法是添加 array[] 然后从总数中减去每个值得到一个 array2[102, 99, 85, 102, 85] 然后重新计算 array2[]. 的百分比给 array[0] 一个 21%。此解决方案的问题在于，array[1] 中具有接近统计选择概率的元素具有相差很大的选择百分比。
我们还尝试将最低和最高百分比值与下一个最高百分比值交换，但这会给您带来与我们第一次尝试相同的问题。
我觉得必须有一个简单的方法来做到这一点。
注意:如果您熟悉进化/遗传计算，我们将尝试根据适应度比例进行 parent 选择。然而，我们的适应度值是相反的(越低越好)。那么如果适应度越低越好，我们如何为 parent 做适应度比例选择呢？
最佳答案
你为什么不使用逆函数？在您的示例中，概率的基本数组将是 array[1.0/12, 1.0/15, 1.0/29, 1.0/17, 1.0/12, 1.0/29]，其余的将保留一样。
关于algorithm - 逆概率选择(进化算法的逆适应度选择)，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4394724/