pełen algorytm genetyczny
Algorytm genetyczny szukający dla naszego agenta optymalnej trasy przejazdu przez wszystkie pola danego typu
This commit is contained in:
parent
677cd02e6f
commit
80efe4d800
194
Piotrek.py
194
Piotrek.py
@ -15,7 +15,7 @@ class main():
|
||||
for i in self.field.field_matrix:
|
||||
for j in i:
|
||||
if j == 1 or j == 3 or j == 5 or j == 7: #zliczanie zachwaszczonych pól
|
||||
tabela_wystapien[0] = tabela_wystapien[0] + 1
|
||||
tabela_wystapien[0] = tabela_wystapien[0] + 1
|
||||
elif j == 1 or j == 2 or j == 3: #zliczanie nienawodnionych pól
|
||||
tabela_wystapien[1] = tabela_wystapien[1] + 1
|
||||
elif j == 4: #zliczanie pól gotowych do zasadzenia
|
||||
@ -35,7 +35,7 @@ class main():
|
||||
pola_buraczane.append(k*10+l)
|
||||
l = l + 1
|
||||
k = k + 1
|
||||
pierwsze_szukane_pole = pola_buraczane[0]
|
||||
pierwsze_szukane_pole = pola_buraczane[0] #początkowa współrzędna, w każdym przypadku pole startowe [0,0]
|
||||
pola_buraczane.append(pierwsze_szukane_pole)
|
||||
print("Współrzędne pól buraczanych: " + str(pola_buraczane))
|
||||
return pola_buraczane
|
||||
@ -44,11 +44,13 @@ class main():
|
||||
self.liczba_pol = len(pola_buraczane)
|
||||
total_cost = 0
|
||||
i = 0
|
||||
while i < (self.liczba_pol-1):
|
||||
while i < (self.liczba_pol - 1):
|
||||
# print(str(self.pathfinding.pathfinding_tractorless(self.field,pola_buraczane,i)))
|
||||
total_cost = total_cost + self.pathfinding.pathfinding_tractorless(self.field,pola_buraczane,i)
|
||||
# print(str(total_cost))
|
||||
i = i + 1
|
||||
#print("Koszt przejścia przez pola buraczane rzędami: " + str(total_cost))
|
||||
#print("###################")
|
||||
# print("Koszt przejścia przez pola buraczane w zadanej kolejności: " + str(total_cost))
|
||||
# print("###################")
|
||||
return total_cost
|
||||
|
||||
def tworzenie_pokolenia(self,pola_buraczane,i):
|
||||
@ -58,24 +60,34 @@ class main():
|
||||
wspolrzedne_shuffle.append(pola_buraczane[x])
|
||||
x = x - 1
|
||||
x = len(pola_buraczane) - 2
|
||||
lista_osobnikow = []
|
||||
lista_osobnikow = []
|
||||
while i > 0: #liczebność pierwszego pokolenia (domyślnie 10)
|
||||
nowy_osobnik = random.sample(wspolrzedne_shuffle, len(wspolrzedne_shuffle))
|
||||
nowy_osobnik.insert(0,0) #dodanie na początek listy 0, jako współrzenej startowej
|
||||
nowy_osobnik.insert(x,0) #dodanie na koniec listy 0, jako współrzenej końcowej
|
||||
lista_osobnikow.append(nowy_osobnik)
|
||||
i = i - 1
|
||||
print(lista_osobnikow)
|
||||
print("Lista osobników: " + str(lista_osobnikow))
|
||||
return lista_osobnikow
|
||||
|
||||
def ocena_przystosowania(self,pokolenia):
|
||||
suma_kosztow_tras = 0
|
||||
ile_osobnikow = 0
|
||||
koszty_tras_osobnikow = []
|
||||
y = 0
|
||||
pierwszy_koszt = self.trasa_buraczana(pokolenia[y])
|
||||
najnizszy_koszt = pierwszy_koszt
|
||||
najwyzszy_koszt = pierwszy_koszt
|
||||
for i in pokolenia:
|
||||
koszty_tras_osobnikow.append(self.trasa_buraczana(i))
|
||||
suma_kosztow_tras = suma_kosztow_tras + self.trasa_buraczana(i)
|
||||
ile_osobnikow = ile_osobnikow + 1
|
||||
if self.trasa_buraczana(i) < najnizszy_koszt:
|
||||
najnizszy_koszt = self.trasa_buraczana(i)
|
||||
if self.trasa_buraczana(i) > najwyzszy_koszt:
|
||||
najwyzszy_koszt = self.trasa_buraczana(i)
|
||||
print("Najtansza trasa w danym pokoleniu: " + str(najnizszy_koszt))
|
||||
print("Najdrozsza trasa w danym pokoleniu: " + str(najwyzszy_koszt))
|
||||
srednie_przystosowanie = suma_kosztow_tras/ile_osobnikow #parametr potrzebny do oceny przystosowania osobnikow
|
||||
przystosowanie_osobnikow = []
|
||||
sumaryczne_przystosowanie_osobnikow = 0
|
||||
@ -83,12 +95,12 @@ class main():
|
||||
for i in koszty_tras_osobnikow:
|
||||
przystosowanie_osobnikow.append(round(((srednie_przystosowanie/koszty_tras_osobnikow[l])*10),2))
|
||||
sumaryczne_przystosowanie_osobnikow += round(((srednie_przystosowanie/koszty_tras_osobnikow[l])*10),2)
|
||||
l = l + 1
|
||||
print(str(round(sumaryczne_przystosowanie_osobnikow,2)))
|
||||
print("Ocena przystosowania każdego z osobników: " + str(przystosowanie_osobnikow))
|
||||
print("Koszty tras każdego z osobników: " + str(koszty_tras_osobnikow))
|
||||
print("Średnie przystosowanie wszystkich osobników: " + str(srednie_przystosowanie))
|
||||
return(przystosowanie_osobnikow)
|
||||
l = l + 1
|
||||
# print(str(round(sumaryczne_przystosowanie_osobnikow,2)))
|
||||
# print("Ocena przystosowania każdego z osobników: " + str(przystosowanie_osobnikow))
|
||||
# print("Koszty tras każdego z osobników: " + str(koszty_tras_osobnikow))
|
||||
# print("Średnie przystosowanie wszystkich osobników: " + str(srednie_przystosowanie))
|
||||
return(przystosowanie_osobnikow, najnizszy_koszt, najwyzszy_koszt, srednie_przystosowanie)
|
||||
|
||||
def wybor_populacji_posredniej(self,pierwsze_pokolenie,przystosowanie_osobnikow):
|
||||
x = len(przystosowanie_osobnikow)
|
||||
@ -101,7 +113,7 @@ class main():
|
||||
tabela_ruletki.append(round(przedzial,2))
|
||||
x = x - 1
|
||||
i = i + 1
|
||||
print(str(tabela_ruletki))
|
||||
#print("Tabela ruletki do losowania z przedziałami dla każdego osobnika: " + str(tabela_ruletki))
|
||||
x = len(przystosowanie_osobnikow)/2 #losowanie połowy liczby osobników populacji początkowej do populacji pośredniej
|
||||
maks = tabela_ruletki[i-1]
|
||||
while x > 0:
|
||||
@ -109,26 +121,24 @@ class main():
|
||||
n = random.uniform(0, maks) #losowanie przedziału
|
||||
while n > tabela_ruletki[i]:
|
||||
i = i + 1
|
||||
populacja_posrednia.append(pierwsze_pokolenie[i])
|
||||
populacja_posrednia.append(pierwsze_pokolenie[i])
|
||||
x = x - 1
|
||||
print(str(populacja_posrednia)) #populacja posrednia, z której zostanie utworzona populacja potomków
|
||||
# print("Populacja pośrednia (rodziców): " + str(populacja_posrednia)) #populacja posrednia, z której zostanie utworzona populacja potomków
|
||||
return populacja_posrednia
|
||||
|
||||
def krzyzowanie(self,populacja_posrednia):
|
||||
populacja_po_krzyzowaniu = []
|
||||
x = len(populacja_posrednia) - 1
|
||||
while x > 0:
|
||||
rodzic_1 = populacja_posrednia[x]
|
||||
print("Rodzic nr 1: " + str(rodzic_1))
|
||||
#print("Rodzic nr 1: " + str(rodzic_1))
|
||||
rodzic_2 = populacja_posrednia[x-1]
|
||||
print("Rodzic nr 2: " + str(rodzic_2))
|
||||
#print("Rodzic nr 2: " + str(rodzic_2))
|
||||
dziecko_1 = []
|
||||
dziecko_2 = []
|
||||
czy_krzyzowac = random.randint(1,100) #losowanie czy krzyzowac rodzicow, czy nie
|
||||
if (czy_krzyzowac < 78) and (rodzic_1 != rodzic_2): #jesli krzyzowanie nastepuje
|
||||
print("Nastąpiło krzyżowanie")
|
||||
czy_krzyzowac = random.randint(1,100) #losowanie czy krzyzowac rodzicow, czy nie (szanse 10%)
|
||||
if (czy_krzyzowac < 10) and (rodzic_1 != rodzic_2): #jesli krzyzowanie nastepuje
|
||||
miejsce_krzyzowania = random.randint(1,(len(populacja_posrednia[x])-3)) #wybor miejsca krzyzowania
|
||||
print(str(miejsce_krzyzowania))
|
||||
print(str(rodzic_1[miejsce_krzyzowania]))
|
||||
l = 0
|
||||
k = miejsce_krzyzowania
|
||||
while k >= 0: #dodawanie do dziecka pierwszej połowy z pierwszego rodzica
|
||||
@ -155,25 +165,26 @@ class main():
|
||||
k = k + 1
|
||||
dziecko_1.append(0)
|
||||
dziecko_2.append(0)
|
||||
else: #jesli krzyzowanie nie nastepuje, wowczas potencjalni rodzice staja sie dziecmi
|
||||
print("Krzyżowanie nie nastąpiło")
|
||||
else: #jesli krzyzowanie nie nastepuje, wowczas potencjalni rodzice staja sie dziecmi
|
||||
dziecko_1 = rodzic_1
|
||||
dziecko_2 = rodzic_2
|
||||
print("Dziecko nr 1: " + str(dziecko_1))
|
||||
print("Dziecko nr 2: " + str(dziecko_2))
|
||||
x = x - 1
|
||||
populacja_po_krzyzowaniu.append(dziecko_1)
|
||||
populacja_po_krzyzowaniu.append(dziecko_2)
|
||||
#print("Dziecko nr 1: " + str(dziecko_1))
|
||||
#print("Dziecko nr 2: " + str(dziecko_2))
|
||||
x = x - 1
|
||||
|
||||
#ostatnie krzyżowanie, pomiędzy pierwszym a ostatnim rodzicem z listy osobnikow nalezacych do populacji posredniej
|
||||
|
||||
rodzic_1 = populacja_posrednia[0]
|
||||
print("Rodzic nr 1: " + str(rodzic_1))
|
||||
#print("Rodzic nr 1: " + str(rodzic_1))
|
||||
rodzic_2 = populacja_posrednia[(len(populacja_posrednia)-1)]
|
||||
print("Rodzic nr 2: " + str(rodzic_2))
|
||||
#print("Rodzic nr 2: " + str(rodzic_2))
|
||||
dziecko_1 = []
|
||||
dziecko_2 = []
|
||||
czy_krzyzowac = random.randint(1,100) #losowanie czy krzyzowac rodzicow, czy nie
|
||||
if (czy_krzyzowac < 78) and (rodzic_1 != rodzic_2): #jesli krzyzowanie nastepuje
|
||||
print("Nastąpiło krzyżowanie")
|
||||
czy_krzyzowac = random.randint(1,100) #losowanie czy krzyzowac rodzicow, czy nie (szanse 10%)
|
||||
if (czy_krzyzowac < 10) and (rodzic_1 != rodzic_2): #jesli krzyzowanie nastepuje
|
||||
miejsce_krzyzowania = random.randint(1,(len(populacja_posrednia[x])-3)) #wybor miejsca krzyzowania
|
||||
print(str(miejsce_krzyzowania))
|
||||
print(str(rodzic_1[miejsce_krzyzowania]))
|
||||
l = 0
|
||||
k = miejsce_krzyzowania
|
||||
while k >= 0: #dodawanie do dziecka pierwszej połowy z pierwszego rodzica
|
||||
@ -200,18 +211,117 @@ class main():
|
||||
k = k + 1
|
||||
dziecko_1.append(0)
|
||||
dziecko_2.append(0)
|
||||
else: #jesli krzyzowanie nie nastepuje, wowczas potencjalni rodzice staja sie dziecmi
|
||||
print("Krzyżowanie nie nastąpiło")
|
||||
else: #jesli krzyzowanie nie nastepuje, wowczas potencjalni rodzice staja sie dziecmi
|
||||
dziecko_1 = rodzic_1
|
||||
dziecko_2 = rodzic_2
|
||||
print("Dziecko nr 1: " + str(dziecko_1))
|
||||
print("Dziecko nr 2: " + str(dziecko_2))
|
||||
populacja_po_krzyzowaniu.append(dziecko_1)
|
||||
populacja_po_krzyzowaniu.append(dziecko_2)
|
||||
#print("Dziecko nr 1: " + str(dziecko_1))
|
||||
#print("Dziecko nr 2: " + str(dziecko_2))
|
||||
return populacja_po_krzyzowaniu
|
||||
|
||||
def main(self):
|
||||
def mutacja(self,populacja_po_krzyzowaniu):
|
||||
k = len(populacja_po_krzyzowaniu) - 1
|
||||
while k >= 0:
|
||||
czy_mutacja = random.randint(0,100)
|
||||
if czy_mutacja < 3: # Szanse 2%
|
||||
kogo_mutujemy = populacja_po_krzyzowaniu[k]
|
||||
populacja_po_krzyzowaniu.remove(kogo_mutujemy)
|
||||
l = len(kogo_mutujemy) - 1
|
||||
#print("Osobnik przed mutacją: " + str(kogo_mutujemy))
|
||||
x = random.randint(1,l)
|
||||
y = random.randint(1,l)
|
||||
while x == y:
|
||||
y = random.randint(1,l)
|
||||
zamiennik = kogo_mutujemy[x]
|
||||
kogo_mutujemy[x] = kogo_mutujemy[y]
|
||||
kogo_mutujemy[y] = zamiennik
|
||||
#print("Osobnik po mutacji: " + str(kogo_mutujemy))
|
||||
populacja_po_krzyzowaniu.insert(k,kogo_mutujemy)
|
||||
else:
|
||||
pass
|
||||
k = k - 1
|
||||
populacja_po_mutacji = populacja_po_krzyzowaniu
|
||||
return populacja_po_mutacji
|
||||
|
||||
def optymalizacja(self,populacja_po_mutacji,pola_buraczane): #polega na eliminacji powtarzających się tras
|
||||
populacja_po_optymalizacji = populacja_po_mutacji
|
||||
i = len(populacja_po_mutacji)
|
||||
l = 1
|
||||
while l < i:
|
||||
k = l
|
||||
while k >= 0:
|
||||
if populacja_po_mutacji[l] == populacja_po_mutacji[k-1]:
|
||||
populacja_po_optymalizacji.remove(populacja_po_mutacji[k-1])
|
||||
x = len(pola_buraczane) - 2
|
||||
wspolrzedne_shuffle = []
|
||||
while x > 1:
|
||||
wspolrzedne_shuffle.append(pola_buraczane[x])
|
||||
x = x - 1
|
||||
x = len(pola_buraczane) - 2
|
||||
nowy_osobnik = random.sample(wspolrzedne_shuffle, len(wspolrzedne_shuffle))
|
||||
nowy_osobnik.insert(0,0) #dodanie na początek listy 0, jako współrzenej startowej
|
||||
nowy_osobnik.insert(x,0)
|
||||
populacja_po_optymalizacji.append(nowy_osobnik)
|
||||
# print("Nastąpiła optymalizacja")
|
||||
else:
|
||||
pass
|
||||
k = k - 1
|
||||
l = l + 1
|
||||
# print("Populacja po optymalizacji: " + str(populacja_po_optymalizacji))
|
||||
return populacja_po_optymalizacji
|
||||
|
||||
def algorytm_genetyczny(self):
|
||||
self.zliczanie_wystapien()
|
||||
self.pola_buraczane = self.wspolrzedne()
|
||||
self.koszt_trasy = self.trasa_buraczana(self.pola_buraczane)
|
||||
# Utworzenie pokolenia
|
||||
self.pierwsze_pokolenie = self.tworzenie_pokolenia(self.pola_buraczane,10)
|
||||
self.przystosowanie = self.ocena_przystosowania(self.pierwsze_pokolenie)
|
||||
# Funkcja przystosowania
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie_pierwszego_pokolenia = self.ocena_przystosowania(self.pierwsze_pokolenie)
|
||||
# Populacja pośrednia wybrana metodą ruletki
|
||||
self.populacja_posrednia = self.wybor_populacji_posredniej(self.pierwsze_pokolenie, self.przystosowanie)
|
||||
self.krzyzowanie(self.populacja_posrednia)
|
||||
# Krzyżowanie populacji pośredniej
|
||||
self.populacja_po_krzyzowaniu = self.krzyzowanie(self.populacja_posrednia)
|
||||
# Mutacja populacji pośredniej
|
||||
self.populacja_po_mutacji = self.mutacja(self.populacja_po_krzyzowaniu)
|
||||
# Optymalizacja populacji pośredniej
|
||||
self.populacja_po_optymalizacji = self.optymalizacja(self.populacja_po_mutacji,self.pola_buraczane)
|
||||
self.maks_koszt = self.najwyzszy_koszt
|
||||
self.min_koszt = self.najnizszy_koszt
|
||||
i = 2
|
||||
self.ktore_pokolenie = 1
|
||||
while i < 41:
|
||||
print(" ")
|
||||
print("*********************")
|
||||
print("Pokolenie " + str(i))
|
||||
print("*********************")
|
||||
print(" ")
|
||||
# Funkcja przystosowania
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie = self.ocena_przystosowania(self.populacja_po_optymalizacji)
|
||||
if self.najwyzszy_koszt > self.maks_koszt:
|
||||
self.maks_koszt = self.najwyzszy_koszt
|
||||
print("Nowy maksymalny koszt: " + str(self.maks_koszt))
|
||||
if self.najnizszy_koszt < self.min_koszt:
|
||||
self.min_koszt = self.najnizszy_koszt
|
||||
self.ktore_pokolenie = i
|
||||
print("Nowy najnizszy koszt: " + str(self.min_koszt))
|
||||
# Populacja pośrednia wybrana metodą ruletki
|
||||
self.populacja_posrednia = self.wybor_populacji_posredniej(self.populacja_po_mutacji, self.przystosowanie)
|
||||
# Krzyżowanie populacji pośredniej
|
||||
self.populacja_po_krzyzowaniu = self.krzyzowanie(self.populacja_posrednia)
|
||||
# Mutacja populacji pośredniej
|
||||
self.populacja_po_mutacji = self.mutacja(self.populacja_po_krzyzowaniu)
|
||||
# Optymalizacja populacji pośredniej
|
||||
self.populacja_po_optymalizacji = self.optymalizacja(self.populacja_po_mutacji,self.pola_buraczane)
|
||||
i = i + 1
|
||||
if (self.min_koszt)/(self.srednie_przystosowanie_pierwszego_pokolenia) < (0.69):
|
||||
print("Zakończono wykonywanie algorytmu po " + str(i) + " pokoleniach")
|
||||
break
|
||||
print("Średnie przygotowanie pierwszego pokolenia: " + str(self.srednie_przystosowanie_pierwszego_pokolenia))
|
||||
print(str((self.min_koszt)/(self.srednie_przystosowanie_pierwszego_pokolenia)))
|
||||
print("Najwyzszy znaleziony koszt: " + str(self.maks_koszt))
|
||||
print("Najnizszy znaleziony koszt to " + str(self.min_koszt) + " znaleziony w pokoleniu nr " + str(self.ktore_pokolenie))
|
||||
|
||||
def main(self):
|
||||
self.algorytm_genetyczny()
|
||||
Loading…
Reference in New Issue
Block a user