pełen algorytm genetyczny wraz z integracją z całym projektem

This commit is contained in:
Piotr Rychlicki 2020-05-12 22:09:46 +00:00
parent 80efe4d800
commit c87c4a06f2

View File

@ -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)
@ -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.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()
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