LechT.md

@@ -4,12 +4,12 @@
 ### Omówienie projektu
 
 
-Celem projektu jest znalezienie najbardziej optymalnej drogi między zajętymi regałami a miejscami odbioru paczki.
+Celem projektu jest znalezienie najoptymalniejszej drogi między zajętymi regałami a miejscami odbioru paczki.
 Projekt wykorzystuje wcześniej opracowany algorytm AStar, który jest opisany w pliku [route-planning](https://git.wmi.amu.edu.pl/s444399/AI/src/master/route-planning.md).
-Moduł podprojektu uruchamia się po uruchomieniu programu oraz naciśnięciu **g** na klawiaturze. Omawiany moduł genetyczny podprojektu w dalszej części raportu będzie się pojawiał w skrócie jako **mdg**.
+Moduł podprojektu uruchamia się po uruchomieniu programu oraz kliknięciu **g** na klawiaturze. Omawiany moduł genetyczny podprojektu w dalszej części raportu będzie się pojawiał w skrócie jako **mdg**.
 
 ### Opis składowych elementów wykorzystanych w **mdg**
-* Gen - jest to najmniejszy wykorzystywany obiekt, reprezentujący zajęty regał, kóry ma określony koszt do danego miejsca odbioru paczki.
+* Gen - jest to najmniejszy wykorzystywany obiekt, reprezentujący zajęty regał, kóry ma określony koszt do danego miejsca odbioru
 * Chromosom - jest to uporządkowany zbiór Genów, który reprezentuje kolejność odbioru paczek, końcowa długość wynika z ilości paczek na magazynie.
 * Populacja - jest to zbiór chromosomów.
 * Funkcja fitness - funkcja obliczająca całkowity koszt chromosomu.
@@ -20,24 +20,22 @@ Moduł podprojektu uruchamia się po uruchomieniu programu oraz naciśnięciu **
 
 ### Dane wejściowe
 
+Podane przez urzydkownika przed uruchomieniem programu:
+
+* ileGeneracji - wartość, która definiuje ile generacji ma się wykonać po uruchomieniu modułu **mdg**,
+* ileWPopulacji - wartość, która definiuje ile chromosomów ma się znajdować w Populacji
+* fragment - wartość z zakresu (0,1), która względnie do długości chromosomu określa fragment, który będzie dziedziczony, przy tworzeniu nowego chromosomu.
+* mutacja - wartość z zakresu (0,1), która określa jaka część nowo tworzonego chromosomu, po dziedziczeniu, ma zostać losowo zmieniona.
+* unbox - wartość określająca do jakiego miejsca odbioru ma się kierować wózek 
+<br/> 
+0 - losowe miejsce odbioru <br/>
+1 - miejsce odbioru tylko po lewej stronie mapy <br/>
+2 - miejsce odbioru tylko po prawej stronie mapy <br/>
+3 - miejsce odbioru wybierane korzystniej na podstawie kosztu
+<br/><br/>
 Po uruchomieniu programu:
 
-* generowanie losowo rozmieszczonych paczek na regałach - po naciśnięciu **r** na klawiaturze.
+* generowanie losowo rozmieszczonych paczek na regałach - za przycisku **r** na klawiaturze.
-
-Po naciśnięciu **g** na klawiaturze pojawia się okno zbierające dane wejśćiowe:
-
-![](https://git.wmi.amu.edu.pl/s444399/AI/raw/master/demo/7.png)
-
-<ol>
-<li>Warotść definiująca liość chromosomów w każdej populacji</li>
-<li>Wardośc definiująca wielkość fragmentu genu, kótry będzie dziedziczony przy tworzeniu nowych chromosomów</li>
-<li>Wartośc definiująca jaki fragment zmutować</li>
-<li>Wartość definiująca do jakiego miejsca odwieść paczkę. (1 - miejsce oddania paczki po lewej stronie, 2 - miejsce oddania paczki po prawej stronie, <br/> 3 - miejsce oddania paczki wybierane na podstawie kosztu) </li>
-<li>Wartość definiująca ile stworzyć generacji w trakcie działania modułu</li>
-</ol>
-odbioru wybierane korzystniej na podstawie kosztu
-<br/><br/>
-
 
 
 ### Integracja
@@ -50,7 +48,7 @@ Uruchomienie **mdg**:
                 if event.key == pygame.K_g:
                     start(self.data,self.wheel)
 
-Po zakończeniu algorytmu, uruchamiamy moduł, który rozwiezie paczki do miejsca odbioru:
+Po zakończeniu algorytmu, uruchaminy modul który rozwiezie paczki do miejsca odbioru:
 
                     for gen in self.data.best[0]:
                         if(gen.unboxWczesniejszegoGenu == None):
@@ -87,11 +85,11 @@ Po zakończeniu algorytmu, uruchamiamy moduł, który rozwiezie paczki do miejsc
     
         rysujWykres(data, ileGeneracji, 0, 2000)
         
-W celu modyfikacji danych wejściowych należy zmienić wartości zmiennych, pamiętając o podanych powyżej ograniczeniach.
+W celu modyfikacji danych wejściowych należy zmienić wartości zmiennych, pamiętając o podanych powyrzej ograniczeniach.
 
 Powyżej fragment kodu reprezentujący działanie pętli, której iteracje odpowiadają tworzeniom nowych generacji.
 
-### Sposób działania algorytmu:
+###Sposób działania algorytmu:
 
 ```mermaid
 graph TD
@@ -108,8 +106,7 @@ E[Ilość generacji]
  D --> E
  E --> C
 ```
-### Implementacja
+###Implementacja
-
 #### Generowanie losowego chromosomu
 *W pliku Gene.py*
 
@@ -171,7 +168,7 @@ Odpowiednio:
             populacja.append(genRandomChromosome(data))
         return populacja
 Odpowiednio:
-* Dla podanej wartości *ileWPopulacji* funkcja generuje losową populację, wykonując tyle iteracji ile wynosi wartość.
+* Dla podanej wartości *ileWPopulacji* funkcja generuje losową populację wykorzystując metodę losowego chromosomu, wykonując tyle iteracji ile wynosi wartość.
 
 #### Selekcyjny wybór najlepszych chromosomów z pośród populacji na podstawie funkcji fitness
 *W pliku genetyczne.py*   
@@ -203,12 +200,10 @@ Odpowiednio:
 Odpowiednio:
 * Zmienna *koszt* jest sumą całkowitą kosztów przejechania trasy.
 * Pętla *for* iteruje się tyle razy ile jest genów w chromosomie.
-* W pierwszej iteracji koszt jest liczony dla pierwszego genu w chromosomie wywołując AStar, z pozycji początkowej wózka, do miejsca regału.
+* W pierwszej iteracji koszt jest liczony dla pierwszego genu w chromosomie wywołując AStar, z pozycji początkowej wózka do miejsca regału.
 * Dla reszty iteracji jest sprawdzane do którego unboxa będzie jechać wózek, i taka wartość kosztu jest dodawana co całkowitej sumy oraz koszt przejechania od unboxa poprzedniego genu do regału (zmienna *unboxPoprzedniegoGenu*)
 
 
-
-
     def dwieNajlepsze(populacja, data):
         tmpPopulacja = populacja[:]
         chromFitness = []
@@ -294,7 +289,7 @@ Odpowiednio:
     * *fragmentLiczba* - jest to liczba reprezentująca jaki fragment z **pierwszego** chromosomu zostanie bezpośrednio skopiowany do nowego chromosomu, ten fragment jest wybierany losowo spośród chromosomu natomiast jego długość jest określona procentowo i zależy od podanej wartości (oraz ilości genów w chromosomoie)
     * *wspMutacji* - jest to liczba reprezentująca jak wiele par w chromosomie zostanie zamienionych miejscami.
 * Zmienne pomocnicze:
-    * *iterator*, *pomIterator* - w pierwszych dwóch instrukcjach warunkowych jest pilnowane aby iterując się nie przekroczyły dopuszczalnej wartości (odpowiadają one indeksom w kolejce). *Iterator* jest indeksem w nowym, tworzonym chromosomie. *pomIterator* jest indeksem który przechodzi przez **drugi** podany chromosom.
+    * *iterator*, *pomIterator* - w pierwszych dwóch instrukcjach warunkowych jest pilnowane aby iterując się nie przekroczyły dopuszczalnej wartości (odpowiadają one indeksom w kolejce). *Iterato* jest indeksem w nowym, tworzonym chromosomie. *pomIterator* jest indeksem który przechodzi przez **drugi** podany chromosom.
     * lista *usedKordy* - do niej są dodawane koordynaty genów, które zostały skopiowane z **pierwszego** chromosomu, aby geny o tych samych koordynatach z **drugiego** chromosomu nie zostały zapisane w nowym chromosomie.
 * Następuje skopiowanie fagmentu z **pierwszego** chromosomu, w pierwszej pętli *for* wykonuje się przepisanie wartości do powstającego chromosomu. W drugiej pętli *for* następuje przepisanie pozostałych wartości z **drugiego** chromosomu do powstającego chromosomu.
 * Po przepisaniu wartości według wspMutacji jest dokonywana zamiana genów w nowym chromosomie.
@@ -320,4 +315,6 @@ Odpowiednio:
 
 ### Dalsze działanie programu
 
-Po zakończeniu **mdg** wózek zaczyna rozwozić paczki do miejsc oddania paczki.
+Po wykonaniu iteracji uruchamia się okienko pokazujące wykres najlepszych wag otrzymywanych w danej populacji.
+
+Po zamknięciu okienka wózek zaczyna rozwozić paczki do miejsc oddania paczki.

final-evaluation.md

@@ -1,41 +0,0 @@
-## Raport finalny - Inteligentny Wózek Widłowy
-
-### Uruchamianie
-
-Po uruchomieniu programu musimy podać jakiej wielkości kratę chcemy uzyskać, a następnie jakie ilości których regałów chcemy posiadać na magazynie.
-
-![](https://git.wmi.amu.edu.pl/s444399/AI/raw/master/demo/1.png)
-
-Gdy ukaże nam się okno programu możemy poruszać się wózkiem po magazynie. Używamy do tego strzałek. Naciśnięcie przycisku **r** na klawiaturze rozłoży paczki losowo na półkach.
-
-![](https://git.wmi.amu.edu.pl/s444399/AI/raw/master/demo/2.png)
-
-## Podprojekty indywidualne
-
-### Rozpoznawanie paczki
-
-**Autor:** Michał Kijowski <br>
-**Wykorzystana metoda uczenia:** Sieci neuronowe.
-
-Pełne omówienie podprojektu znajduje się w pliku [KijowskiM.md](https://git.wmi.amu.edu.pl/s444399/AI/src/master/KijowskiM.md).
-
-Po kliknięciu w pole programu należy wybrać plik graficzny reprezentujący wygląd paczki. Algorytm za pomocą sieci neuronowych na podstawie odpowiednich piktogramów decyduje jakiego rodzaju jest paczka - krucha, niebezpieczna, radioaktywna, łatwopalna lub zwykła. Następnie informacja ta przekazywana jest do kolejnego podprojektu w celu odpowiedniego rozmieszczenia paczki.
-
-### Rozmieszczenie w magazynie
-
-**Autor:** Weronika Gorący <br>
-**Wykorzystana metoda uczenia:** Drzewa decyzyjne.
-
-Pełne omówienie podprojektu znajduje się w pliku [WGoracy.md](https://git.wmi.amu.edu.pl/s444399/AI/src/master/WGoracy.md).
-
-Podprojekt zostaje uruchomiony bezpośrednio po zakończeniu wykonywania poprzedniego podprojektu. Po otrzymaniu informacji o paczce, wózek za pomocą drzewa decyzyjnego wybiera najlepszą możliwą pustą półkę na której można umieścić paczkę. W przypadku gdy wszystkie półki danego rodzaju są zajęte, paczka zostaje umieszczona na innej dostępnej półce. 
-
-### Odbiór paczki
-
-**Autor:** Tomasz Lech <br>
-**Wykorzystana metoda uczenia:** Algorytmy genetyczne.
-
-Pełne omówienie podprojektu znajduje się w pliku [LechT.md](https://git.wmi.amu.edu.pl/s444399/AI/src/master/LechT.md).
-
-Moduł podprojektu uruchamia się po naciśnięciu przycisku **g** na klawiaturze. Pojawi się okno w którym definiujemy odpowiednie wartości potrzebne do uruchomienia modułu.
-Podprojekt za pomocą algorytmu genetycznego wybiera najbardziej optymalną drogę pomiędzy zajętymi półkami a miejscami odbioru paczek. A następnie wózek zaczyna rozwozić paczki do miejsc oddania paczki.