pełen algorytm genetyczny wraz z integracją z całym projektem
This commit is contained in:
parent
80efe4d800
commit
c87c4a06f2
65
Piotrek.py
65
Piotrek.py
@ -1,4 +1,4 @@
|
||||
import field, pathfinding_tractorless
|
||||
import field, pathfinding_tractorless, pathfinding_tractor
|
||||
import random
|
||||
|
||||
class main():
|
||||
@ -8,7 +8,8 @@ class main():
|
||||
self.field = field
|
||||
self.ui = ui
|
||||
self.path = path
|
||||
self.pathfinding = pathfinding_tractorless.pathfinding_tractorless()
|
||||
self.pathfinding_tractorless = pathfinding_tractorless.pathfinding_tractorless()
|
||||
self.pathfinding_tractor = pathfinding_tractor.pathfinding_tractor()
|
||||
|
||||
def zliczanie_wystapien(self): #zlicza wystepowanie kazdego z rodzajow pol na planszy
|
||||
tabela_wystapien = [0,0,0,0]
|
||||
@ -28,16 +29,17 @@ class main():
|
||||
def wspolrzedne(self): #wyznacza wspolrzedne pol danego rodzaju na planszy
|
||||
pola_buraczane = []
|
||||
k = 0
|
||||
ktore_pole = self.traktor.get_modes_values()
|
||||
for i in self.field.field_matrix:
|
||||
l = 0
|
||||
for j in i:
|
||||
if j == 8: #w tym przypadku pol z burakami
|
||||
if j in ktore_pole: #w tym przypadku pol z burakami, stąd 8
|
||||
pola_buraczane.append(k*10+l)
|
||||
l = l + 1
|
||||
k = k + 1
|
||||
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))
|
||||
print("Współrzędne szukanych pól: " + str(pola_buraczane))
|
||||
return pola_buraczane
|
||||
|
||||
def trasa_buraczana(self,pola_buraczane): #wyznacza koszt trasy przez pola danego rodzaju w zadanej kolejnosci
|
||||
@ -45,8 +47,8 @@ class main():
|
||||
total_cost = 0
|
||||
i = 0
|
||||
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(self.pathfinding_tractorless.pathfinding_tractorless(self.field,pola_buraczane,i)))
|
||||
total_cost = total_cost + self.pathfinding_tractorless.pathfinding_tractorless(self.field,pola_buraczane,i)
|
||||
# print(str(total_cost))
|
||||
i = i + 1
|
||||
# print("Koszt przejścia przez pola buraczane w zadanej kolejności: " + str(total_cost))
|
||||
@ -56,10 +58,10 @@ class main():
|
||||
def tworzenie_pokolenia(self,pola_buraczane,i):
|
||||
x = len(pola_buraczane) - 2
|
||||
wspolrzedne_shuffle = []
|
||||
while x > 1:
|
||||
while x > 0:
|
||||
wspolrzedne_shuffle.append(pola_buraczane[x])
|
||||
x = x - 1
|
||||
x = len(pola_buraczane) - 2
|
||||
x = len(pola_buraczane) - 1
|
||||
lista_osobnikow = []
|
||||
while i > 0: #liczebność pierwszego pokolenia (domyślnie 10)
|
||||
nowy_osobnik = random.sample(wspolrzedne_shuffle, len(wspolrzedne_shuffle))
|
||||
@ -67,7 +69,7 @@ class main():
|
||||
nowy_osobnik.insert(x,0) #dodanie na koniec listy 0, jako współrzenej końcowej
|
||||
lista_osobnikow.append(nowy_osobnik)
|
||||
i = i - 1
|
||||
print("Lista osobników: " + str(lista_osobnikow))
|
||||
# print("Lista osobników: " + str(lista_osobnikow))
|
||||
return lista_osobnikow
|
||||
|
||||
def ocena_przystosowania(self,pokolenia):
|
||||
@ -76,6 +78,7 @@ class main():
|
||||
koszty_tras_osobnikow = []
|
||||
y = 0
|
||||
pierwszy_koszt = self.trasa_buraczana(pokolenia[y])
|
||||
najtanszy_osobnik = pokolenia[y]
|
||||
najnizszy_koszt = pierwszy_koszt
|
||||
najwyzszy_koszt = pierwszy_koszt
|
||||
for i in pokolenia:
|
||||
@ -84,10 +87,11 @@ class main():
|
||||
ile_osobnikow = ile_osobnikow + 1
|
||||
if self.trasa_buraczana(i) < najnizszy_koszt:
|
||||
najnizszy_koszt = self.trasa_buraczana(i)
|
||||
najtanszy_osobnik = 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))
|
||||
# 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
|
||||
@ -100,7 +104,7 @@ class main():
|
||||
# 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)
|
||||
return(przystosowanie_osobnikow, najnizszy_koszt, najwyzszy_koszt, srednie_przystosowanie, najtanszy_osobnik)
|
||||
|
||||
def wybor_populacji_posredniej(self,pierwsze_pokolenie,przystosowanie_osobnikow):
|
||||
x = len(przystosowanie_osobnikow)
|
||||
@ -170,8 +174,8 @@ class main():
|
||||
dziecko_2 = rodzic_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))
|
||||
# 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
|
||||
@ -216,8 +220,8 @@ class main():
|
||||
dziecko_2 = rodzic_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))
|
||||
# print("Dziecko nr 1: " + str(dziecko_1))
|
||||
# print("Dziecko nr 2: " + str(dziecko_2))
|
||||
return populacja_po_krzyzowaniu
|
||||
|
||||
def mutacja(self,populacja_po_krzyzowaniu):
|
||||
@ -242,6 +246,7 @@ class main():
|
||||
pass
|
||||
k = k - 1
|
||||
populacja_po_mutacji = populacja_po_krzyzowaniu
|
||||
# print("Populacja po mutacji: " + str(populacja_po_mutacji))
|
||||
return populacja_po_mutacji
|
||||
|
||||
def optymalizacja(self,populacja_po_mutacji,pola_buraczane): #polega na eliminacji powtarzających się tras
|
||||
@ -255,10 +260,10 @@ class main():
|
||||
populacja_po_optymalizacji.remove(populacja_po_mutacji[k-1])
|
||||
x = len(pola_buraczane) - 2
|
||||
wspolrzedne_shuffle = []
|
||||
while x > 1:
|
||||
while x > 0:
|
||||
wspolrzedne_shuffle.append(pola_buraczane[x])
|
||||
x = x - 1
|
||||
x = len(pola_buraczane) - 2
|
||||
x = len(pola_buraczane) - 1
|
||||
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)
|
||||
@ -278,7 +283,7 @@ class main():
|
||||
# Utworzenie pokolenia
|
||||
self.pierwsze_pokolenie = self.tworzenie_pokolenia(self.pola_buraczane,10)
|
||||
# Funkcja przystosowania
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie_pierwszego_pokolenia = self.ocena_przystosowania(self.pierwsze_pokolenie)
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie_pierwszego_pokolenia, self.najtanszy_osobnik = self.ocena_przystosowania(self.pierwsze_pokolenie)
|
||||
# Populacja pośrednia wybrana metodą ruletki
|
||||
self.populacja_posrednia = self.wybor_populacji_posredniej(self.pierwsze_pokolenie, self.przystosowanie)
|
||||
# Krzyżowanie populacji pośredniej
|
||||
@ -289,23 +294,27 @@ class main():
|
||||
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
|
||||
self.najtansza_trasa = self.najtanszy_osobnik
|
||||
i = 2
|
||||
self.ktore_pokolenie = 1
|
||||
while i < 41:
|
||||
print(" ")
|
||||
print("*********************")
|
||||
print(" ")
|
||||
print("Pokolenie " + str(i))
|
||||
print(" ")
|
||||
print("*********************")
|
||||
print(" ")
|
||||
# Funkcja przystosowania
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie = self.ocena_przystosowania(self.populacja_po_optymalizacji)
|
||||
self.przystosowanie, self.najnizszy_koszt, self.najwyzszy_koszt, self.srednie_przystosowanie, self.najtanszy_osobnik = 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.min_koszt = self.najnizszy_koszt
|
||||
self.najtansza_trasa = self.najtanszy_osobnik
|
||||
self.ktore_pokolenie = i
|
||||
print("Nowy najnizszy koszt: " + str(self.min_koszt))
|
||||
print("Nowa najtansza trasa: " + str(self.najtansza_trasa))
|
||||
# Populacja pośrednia wybrana metodą ruletki
|
||||
self.populacja_posrednia = self.wybor_populacji_posredniej(self.populacja_po_mutacji, self.przystosowanie)
|
||||
# Krzyżowanie populacji pośredniej
|
||||
@ -319,9 +328,15 @@ class main():
|
||||
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("Stosunek poprawienia kosztu trasy względem początku: " + str((self.min_koszt)/(self.srednie_przystosowanie_pierwszego_pokolenia)))
|
||||
print("Najnizszy znaleziony koszt to " + str(self.min_koszt) + " znaleziony w pokoleniu nr " + str(self.ktore_pokolenie))
|
||||
print("Najtansza znaleziona trasa to " + str(self.najtansza_trasa))
|
||||
# print("Najwyzszy znaleziony koszt: " + str(self.maks_koszt))
|
||||
|
||||
def main(self):
|
||||
self.algorytm_genetyczny()
|
||||
self.algorytm_genetyczny()
|
||||
i = len(self.najtansza_trasa) - 1
|
||||
l = 0
|
||||
while l < i:
|
||||
self.pathfinding_tractor.pathfinding_tractor(self.field, self.traktor, self.ui, self.najtansza_trasa, l)
|
||||
l = l + 1
|
||||
Loading…
Reference in New Issue
Block a user