原文：
按照指定的權重求隨機數
描述：通常取隨機數，取到每個數字的概率都是一樣，比如取 n 次，取到某個數的概率都是 1/n。現在情況發生了變化，要隨機取的數，每個數字都被設定了乙個權值(weight)，比如：
上面這個圖表的含義是：進行隨機取數，取到 1 的概率是 1/5，取到 2 概率是 2/5，取到 3 的概率是 2/5。現在要求你使用**完成這個按照不同權值進行取值的過程。
一開始想到方法是：
使用乙個陣列 value ，陣列的下標對應於這個權重的範圍，下標對應的值就是要求的值，比如還是上面這個例子，比如在 1 < x <= 3這個區間範圍內，然後對整個區間長度求隨機值，rand(1, 5) 會得到乙個下標值，然後根據這個下標值去獲取想要的值。這個解法的問題是，如果某個值的權值很大，那麼需要乙個很大的陣列，這樣會非常非常消耗記憶體，顯然不是乙個很好的解決方法。不過當時也沒有想到更好的方法。
晚上回來想了想，有沒有可以優化的方向
p(x = 1) = 1/5 (x <= 1)
p(x = 2) = 2/5 (1 < x <= 3)
p(x = 3) = 2/5 (3 < x <= 5)
轉換成累積概率：
cp(x = 1) = 1/5 (x <= 1)
cp(x = 2) = 3/5 (1 < x <= 3)
cp(x = 3) = 1 (3 < x <= 5)
有上面這個對映關鍵，在 0 - 1 隨機取乙個數 x，如果 x <= cp[i] ，i 就是所要求的結果：
python 實現
import random
def random_by_weight(values, cp):
for v, w in zip(values, cp):
rand = random.randint(0, 1)
if rand <= w:
return v
選自：3.1、選擇運算元
遺傳演算法使用選擇運算對個體進行優勝劣汰操作。
適應度高的個體被遺傳到下一代群體中的概率大；適應度低的個體，被遺傳到下一代群體中的概率小。
選擇操作的任務就是從父代群體中選取一些個體，遺傳到下一代群體。
基本遺傳演算法(sga)中選擇運算元採用輪盤賭選擇方法。
ok，下面就來看下這個輪盤賭的例子，這個例子通俗易懂，對理解選擇運算元幫助很大。
輪盤賭選擇方法
輪盤賭選擇又稱比例選擇運算元，其基本思想是：
各個個體被選中的概率與其適應度函式值大小成正比。
設群體大小為n，個體xi 的適應度為 f(xi)，則個體xi的選擇概率為：
輪盤賭選擇法可用如下過程模擬來實現：
(1)在［0, 1］內產生乙個均勻分布的隨機數r。
(2)若r≤q1,則染色體x1被選中。
(3)若qk-1
其中的qi稱為染色體xi (i=1, 2, …, n)的積累概率, 其計算公式為：
積累概率例項：
輪盤賭選擇方法的實現步驟:
(1)計算群體中所有個體的適應度值；
(2)計算每個個體的選擇概率；
(3)計算積累概率；
(4)採用模擬賭盤操作(即生成0到1之間的隨機數與每個個體遺傳到下一代群體的概率進行匹配)
來確定各個個體是否遺傳到下一代群體中。
例如，有染色體
s1= 13 (01101)
s2= 24 (11000)
s3= 8 (01000)
s4= 19 (10011)
假定適應度為f(s)=s^2 ，則
f (s1) = f(13) = 13^2 = 169
f (s2) = f(24) = 24^2 = 576
f (s3) = f(8) = 8^2 = 64
f (s4) = f(19) = 19^2 = 361
染色體的選擇概率為：
染色體的累計概率為：
根據上面的式子，可得到：
例如設從區間［0, 1］中產生4個隨機數:
r1 = 0.450126, r2 = 0.110347
r3 = 0.572496, r4 = 0.98503
Python 按照概率分布生成隨機數
import random 傳入陣列為概率分布列表例如 10,90 返回值為下標索引，返回值返回0的概率為10 返回1的概率為90 def random index rate 隨機變數的概率函式 引數rate為list int 返回概率事件的下標索引 start 0 index 0 randnum ...
按概率生成隨機數Java版本
思想什麼的可以參看http blog.csdn.net slowgrace archive 2009 03 25 4022632.aspx 如果要控制1個數落在某個區間的概率，比如要求在sngbegin和sngend之間生成乙個隨機數，這個隨機數落在sngpb和sngpe之間的概率是p 有兩種方法，...
按概率生成隨機數Java版本
思想什麼的可以參看 如果要控制1個數落在某個區間的概率，比如要求在sngbegin和sngend之間生成乙個隨機數，這個隨機數落在sngpb和sngpe之間的概率是p 有兩種方法，以第二種方法為好。先說第一種方法，要點是 1 由於sngpb和sngpe將整個區間分成3部分，所以先分別計算隨機數落在3...