From efdb69843d29ecbec944054a51ee8dbb8ed8f964 Mon Sep 17 00:00:00 2001
From: Karol Piotrowski <karpio7@st.amu.edu.pl>
Date: Sun, 7 Jun 2020 13:24:23 +0000
Subject: [PATCH] =?UTF-8?q?Prze=C5=9Blij=20pliki=20do=20''?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 Main.cpp               | 45 ++++++++++++++++++++++++----------------
 algorytm_genetyczny.md | 47 ++++++++++++++++++++++++++++++++++++++++++
 2 files changed, 74 insertions(+), 18 deletions(-)
 create mode 100644 algorytm_genetyczny.md

diff --git a/Main.cpp b/Main.cpp
index d76f96e..525a1f8 100644
--- a/Main.cpp
+++ b/Main.cpp
@@ -290,14 +290,11 @@ void genetic_algorithm(string * population, int populationSize, int parentsNumbe
 		
 		string * nextGen = new string[populationSize];
 		crossover(parents,nextGen,parentsNumber,populationSize);
-		
-		delete[] population;
-		
-		population = new string[populationSize];
+				
 		for(i=0;i<populationSize;i++) {
 			population[i] = nextGen[i];
 		}
-		delete[] nextGen;
+
 	}
 	ranking(population,outcome,populationSize,outcomeSize);
 }
@@ -338,34 +335,34 @@ void przypiszKodGenetyczny(int i, int j, char plant) {
 
 
 void obslugaAlgorytmuGenetycznego() {
-	cout << "Zebrane buraki: " << scoreBuraki << endl;
-	cout << "Zebrane ziemniaki: " << scoreZiemniaki << endl;
+		cout << "Zebrane buraki: " << scoreBuraki << endl;
+		cout << "Zebrane ziemniaki: " << scoreZiemniaki << endl;
 		if(scoreBuraki>=rozmiarPopulacji) {
 			scoreBuraki = 0;
-			delete[] burakiDoSadzenia;
-			string * burakiDoSadzenia = new string[20];
+
 			for(int i = 0;i<20;i++) {
 				burakiDoSadzenia[i] = "000000000";
 			}
 			genetic_algorithm(zebraneBuraki, rozmiarPopulacji, rozmiarPopulacji - 5, burakiDoSadzenia, 20);
 			gmoLeftBuraki = 20;
-			delete[] zebraneBuraki;
-			string * zebraneBuraki = new string[rozmiarPopulacji];
+			for(int i = 0; i<rozmiarPopulacji;i++) {
+				zebraneBuraki[i] = "000000000";
+			}
 			for(int i=0;i<20;i++) {
 				cout << burakiDoSadzenia[i] << endl;
 			}
 }
 		if(scoreZiemniaki>=rozmiarPopulacji) {
 			scoreZiemniaki = 0;
-			delete[] ziemniakiDoSadzenia;
-			string * ziemniakiDoSadzenia = new string[20];
+
 			for(int i = 0;i<20;i++) {
 				ziemniakiDoSadzenia[i] = "000000000";
 			}
 			genetic_algorithm(zebraneZiemniaki, rozmiarPopulacji, rozmiarPopulacji - 5, ziemniakiDoSadzenia, 20);
 			gmoLeftZiemniaki = 20;
-			delete[] zebraneZiemniaki;
-			string * zebraneZiemniaki = new string[rozmiarPopulacji];
+			for(int i = 0; i<rozmiarPopulacji;i++) {
+				zebraneBuraki[i] = "000000000";
+			}
 			for(int i=0;i<20;i++) {
 				cout << ziemniakiDoSadzenia[i] << endl;
 			}
@@ -385,6 +382,7 @@ void generujKody() {
 		}
 	}
 }
+
 //---------------------------------------------------------------------
 
 
@@ -521,8 +519,6 @@ void updatePola()
 		color("white", "black");
 	}
 	
-	obslugaAlgorytmuGenetycznego();
-	
 }
 
 void correctMovement(char wantedWay)
@@ -666,6 +662,8 @@ void Move(char kierunek)
 		}break;
 	}
 	
+	obslugaAlgorytmuGenetycznego();
+	
 }
 
 
@@ -926,6 +924,9 @@ void test1()
 	pole[1][3][1] = '9';
 	pole[3][1][0] = 'Z';
 	pole[3][1][1] = '9';
+	
+	kod_genetyczny[1][3] = przypiszKod("buraki");
+	kod_genetyczny[3][1] = przypiszKod("ziemniaki");
 }
 void test2()
 {
@@ -935,6 +936,8 @@ void test2()
 		{
 			pole[i][j][0] = 'B';
 			pole[i][j][1] = '9';
+			
+			kod_genetyczny[i][j] = przypiszKod("buraki");
 		}
 	}
 	test1();
@@ -1034,6 +1037,8 @@ void reciveState()
 			{
 				j += 1;
 			}
+			
+			
 		}
 	}
 }
@@ -1051,9 +1056,11 @@ void start1()
 	gogo(goalX - 1, goalY);
 	pole[goalY][goalX][0] = 'Z';
 	pole[goalY][goalX][1] = '9';
+	
+	kod_genetyczny[goalY][goalX] = przypiszKod("ziemniaki");
+	
 	updatePola();
 	
-	generujKody();
 	
 	//sendState();		//trzeba ręcznie zmieniać między wysyłaniem stanu a pobieraniem stanu pola
 	reciveState();
@@ -1123,6 +1130,8 @@ int main()
 			pole[j + 1][i + 1][1] = '9';
 		}	
 	}
+	
+	generujKody();
 
 	updatePola();
 
diff --git a/algorytm_genetyczny.md b/algorytm_genetyczny.md
new file mode 100644
index 0000000..7d51e7a
--- /dev/null
+++ b/algorytm_genetyczny.md
@@ -0,0 +1,47 @@
+# Opis dokumentu  
+Ten dokument to raport z wykonanego podprojektu na przedmiot Sztuczna Inteligencja. Celem
+zadania jest implementacja algorytmu genetycznego w projekcie o tematyce inteligentny traktor.
+
+# Zastosowanie algorytmu
+Algorytm został wykorzystany do wygenerowania zbioru roślin do zasadzenia na bazie zebranych wcześniej roślin
+
+# Skrócony opis implementacji w projekcie wspólnym
+* Na początku dla każdego pola zawierającego buraki, zostanie wygenerowany kod genetyczny roślin z tego pola.
+
+![](images/test2_generowanie_burakow.png)
+
+* Funkcja Move teraz zajmuje się również zbieraniem i wywoływaniem sadzenia roślin
+
+![](images/move_zbieranie.png)
+
+* Funkcja przypiszKod decyduje czy należy zasadzić jedną z modyfikowanych genetycznie roślin, czy należy zasadzić nową (losową).
+
+![](images/przypiszKod.png)
+
+* Gdy liczba zebranych buraków osiągnie określoną wartość, zostanie przeprowadzony algorytm genetyczny i powstanie tablica roślin do zasadzenia
+
+![](images/wykonanie_algorytmu_gen.png)
+
+# Opis algorytmu genetycznego
+* Algorytm wykonuje 5 iteracji, w których dokonuje selekcji osobników populacji, które zostaną poddane rozrodowi i wytwarza kolejne pokolenie populacji. Po wyjściu z pętli metodą rankingu selekcjonuje najlepszą część ostatniego pokolenia.
+
+![](images/genetic_algorithm.png)
+
+* Selekcja odbywa się metodą ruletki. Obliczana jest wartość funkcji dostosowania dla każdego osobnika. Im lepsza wartość, tym większa szansa na wylosowanie.
+
+![](images/selection.png)
+
+* Funkcja dostosowania polega na wyliczeniu średniej arytmetycznej trzech wartości: smaku, rozmiaru i koloru rośliny, które są zakodowane w łańcuchu znaków.
+
+![](images/fitness.png)
+
+* Funkcja crossover zajmuje się wywołaniem krzyżowania odpowiedniej liczby osobników
+
+![](images/crossover.png)
+
+* Zastosowana została metoda krzyżowania równomiernego (uniform crossover) z małą modyfikacją, zmniejszającą szansę na to, że dziecko będzie "klonem" rodzica. Istnieje również mała szansa, że dojdzie do równomiernej mutacji (uniform mutation), w której losowa cecha dziecka zostaje wygenerowana na nowo.
+
+![](images/cross.png)
+
+ 
+