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？ 
 
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 
 


------解决方案--------------------
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。