知识卡片

结构图卡 · 1295.i.2.g.1 · 生成模型:未记录

SUS等距指针批量抽样

理解等级:中级

随机遍历抽样一次选N个候选:总适应度f,间距p=f/N,在[0,p)随机选起点,再取N个等距点,按累计权重区间确定候选。它共享一个随机起点,同一候选可重复入选。原书扫描伪代码与累计区间图不一致,实现时不能只比较单个分数。

结构图:

flowchart TD
 A[求非负总权重f] --> B[确定间距f除以N]
 B --> C[随机起点]
 C --> D[N个等距指针]
 D --> E[定位累计权重区间]
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 种群、计分和选择 1.8 随机遍历抽样 · 查看原书依据

      随机遍历抽样和以前看到的选择方法之间有一个非常重要的区别:当你同时选择所有需要的个体时,SUS的效果最佳。先前的选择方法分别选择个体。图1-4显示了从种群中选择的4个个体。可以看到,个体#1被选择了两次,然后个体#2被选

    参考来源

    - 位置:《人工智能算法(卷2):受大自然启发的算法》第1章《种群、计分和选择》,原书小节“1.8 随机遍历抽样”(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/人工智能算法(卷2):受大自然启发的算法/_epub-src/OEBPS/Text/chapter001.html#nav_point_38) - 结论依据:原文图1-4、间距与起点解释支持算法;清单1-5的单score比较与累计权重图意有差异,本卡明确指出。 - 原始内容:随机遍历抽样和以前看到的选择方法之间有一个非常重要的区别:当你同时选择所有需要的个体时,SUS的效果最佳。先前的选择方法分别选择个体。图1-4显示了从种群中选择的4个个体。可以看到,个体#1被选择了两次,然后个体#2被选