AI-2020/raport.md

Podprojekt Szi

Opis

Tematem podprojektu jest rozpoznawanie posiłków. Użyty jest algorytm genetyczny.

Dane

Posiłki, ich nazwa oraz rodzaj.

menu = Context.fromstring(''' |meat|salad|meal|drink|cold|hot |
                   Pork       |  X |     |  X |     |    |  X |
                   Espresso   |    |     |    |  X  |    |  X |
                   Green Tea  |    |     |    |  X  | X  |    |
                   Greek Salad|    |  X  |  X |     | X  |    |
                   Pizza      |    |     |  X |     |    |  X |''')

Za pomocy graphviz możemy narysować grafy z poniższego kodu:

digraph Lattice {
node [label="" shape=circle style=filled width=.25]
edge [dir=none labeldistance=1.5 minlen=2]
c0
c1
c1 -> c1 [color=transparent headlabel=Pork labelangle=270]
c1 -> c1 [color=transparent labelangle=90 taillabel=meat]
c1 -> c0
c2
c2 -> c2 [color=transparent headlabel="Green Tea" labelangle=270]
c2 -> c2 [color=transparent labelangle=90 taillabel=cold]
c2 -> c0
c3
c3 -> c3 [color=transparent headlabel="Greek Salad" labelangle=270]
c3 -> c3 [color=transparent labelangle=90 taillabel=salad]
c3 -> c0
c4
c4 -> c4 [color=transparent headlabel=Espresso labelangle=270]
c4 -> c4 [color=transparent labelangle=90 taillabel=drink]
c4 -> c2
c5
c5 -> c1
c5 -> c3
c5 -> c4
}

Dane testowe:

func_input = ['meal']

Dane wyjściowe:

['Pork', 'Greek Salad', 'Pizza']

Implementacja

Główna część:

gen_num = 20    #generations
gen_sol = 6     #solutions
gen_par_mating = 2  #how many solutions we select

mut_per_gen = 10
mut_num_gen = None

crossover = "two_points"
muta_type = "scramble"
par_keep = 1 #keep only one parent

init_range_l = -2 #low
init_range_h = -5 #high
...

Biblioteki

• concepts
• pygad (algorytm genetyczny)
• random
• numpy