设P(i)，其中i=1..n，为n个个体被选择的概率 ，在轮盘上表示为所占扇区的面积百分比，这里显然sum(P)=1。select用来保管n次选择的结果。
1）第一种完成方法：能够想象一个转动的轮盘，留意这里轮盘最多只转一圈。每次转轮盘前，把色子随机放到轮盘外缘的某处，即色子不随轮盘转动，以一个随机数sel代表它所处的位置。轮盘转动后，色子所指示的轮盘扇区号不时变化，轮盘中止时色子所指示的轮盘上扇区号，即为本次轮盘赌所选中的个体号。
for i = 1:n %第i次掷色子
sel = rand; %产生一个0、1之间的随机数，代表色子在轮盘外缘所指示的位置
sumPs = 0; %轮盘初始转动的位置，从0变化到1
j = 1; %轮盘初始指示的位置
while sumPs<sel %终止条件为轮盘转动的位置超越色子位置
sumPs = sumPs + P(j) %轮盘转动
j = j + 1； %轮盘指示位置
end
select(i) = j-1; %轮盘中止时色子停留位置所指示的个体
end %循环终了，会对轮盘上由P所划分出来的n个区间产生n次随机选择，扇区越大，该扇区被选中的几率也越大
还需求留意的是：上面的程序中，我们当然能够把n改成2*n或者10*n，产生的结果都是“个体概率 所表示扇区越大，该个体被选中的几率也越大”，并且随着实验次数的增大，这一结果越准确。
2）这种办法能够想象成往划分好扇区的轮盘里扔色子，事前生成一组满足平均散布的随机数，代表n次掷色子或者n个色子一同扔，轮盘不动，色子所在区域为选择结果。
r = rand(1,n) %预先产生n个色子的位置，留意这里r服从0、1之间平均散布
for i = 1:n %第i次轮盘赌
select(i) = n; %本次轮盘赌的结果初始化为n
for j = 1:n %轮盘开端转动
if r(j) <=P(i) %若色子停在轮盘第j扇区
select(i) = j; %则第i次轮盘赌的结果为j
break; %第i次轮盘赌完毕
end %~第i次轮盘赌完毕
end %~第i次轮盘赌完毕
end %n次轮盘赌完毕
下面为完好的matlab程序完成
function Select=Roulette(P,num)
%:按轮盘赌战略选择下一点,返回num次轮盘赌结果
%:第一种轮盘赌办法,精度很低,
% m = length(P);
% Select = zeros(1,num);
% for i=1:num
% Select(i) = m;% 初始化为最后一个
% for j=1:m %:按概率 选择
% if P(j)>rand()
% Select(i)=j;
% break;
% end
% end
% end
%:第二种轮盘赌办法,精度较高
m = length(P);
Select = zeros(1,num);
r = rand(1,num);
for i=1:num
sumP = 0;
j = ceil(m*rand); %产生1~m之间的随机整数
while sumP < r(i)
sumP = sumP + P(mod(j-1,m)+1);
j = j+1;
end
%Select(i) = mod(j-1,m)+1-1;
Select(i) = mod(j-2,m)+1;
end
% 本程序中轮盘赌办法的精确水平可由如下程序考证
% P=rand(10,1);
% P=P./sum(P);
% Select=Roulette(P,1e6);
% for i=1:10
% Ps(i)=(sum(Select==i)/1e6);
% end
%:最后考证该轮盘赌办法精确水平
%:比拟P和Ps差别大小，例如sum((P-Ps).^2)，数值越小，模仿结果越好！
