ocena, mutacja, krzyżowanie, ewolucja

algorytm_genetyczny.py

@@ -3,21 +3,23 @@ import random
 EKRAN_SZEROKOSC = 770
 EKRAN_WYSOKOSC = 770
 blockSize = 70
-LICZBA_REGALOW = 14
+LICZBA_REGALOW = 4
-LICZBA_MIEJSC_DLA_PACZKE = 1
+LICZBA_MIEJSC_NA_PACZKE = 1
 LICZBA_SKRZYNEK_NA_LISTY = 1
 
+ROZMIAR_POPULACJI = 100
+LICZBA_GENERACJI = 100
+
 
 def wygeneruj_osobnika(zasieg_wspolrzednych, ilosc_wspolrzednych):
-    # ilosc_wspolrzednych = ilosc_wspolrzednych/2
     osobnik = list()
     for j in range(ilosc_wspolrzednych):
-        x = random.randint(0, zasieg_wspolrzednych)
+        x = random.randint(1, zasieg_wspolrzednych)
-        y = random.randint(0, zasieg_wspolrzednych)
+        y = random.randint(1, zasieg_wspolrzednych)
         e = (x, y)
         while e in osobnik:
-            x = random.randint(0, zasieg_wspolrzednych)
+            x = random.randint(1, zasieg_wspolrzednych)
-            y = random.randint(0, zasieg_wspolrzednych)
+            y = random.randint(1, zasieg_wspolrzednych)
             e = (x, y)
         osobnik.append(e)
     return osobnik
@@ -25,8 +27,8 @@ def wygeneruj_osobnika(zasieg_wspolrzednych, ilosc_wspolrzednych):
 
 def wygeneruj_populacje_poczatkowa(liczebnosc_populacji):
     populacja = list()
-    zasieg = int(EKRAN_WYSOKOSC / blockSize)
+    zasieg = int(EKRAN_WYSOKOSC / blockSize - 3)
-    ilosc_wspolrzednych = (LICZBA_REGALOW + LICZBA_MIEJSC_DLA_PACZKE + LICZBA_SKRZYNEK_NA_LISTY)
+    ilosc_wspolrzednych = (LICZBA_REGALOW + LICZBA_MIEJSC_NA_PACZKE + LICZBA_SKRZYNEK_NA_LISTY)
     for i in range(liczebnosc_populacji):
         osobnik = wygeneruj_osobnika(zasieg, ilosc_wspolrzednych)
         while osobnik in populacja:
@@ -35,4 +37,77 @@ def wygeneruj_populacje_poczatkowa(liczebnosc_populacji):
     return populacja
 
 
-print(wygeneruj_populacje_poczatkowa(100))
+def ocena_osobnika(osobnik):
+    ocena = 0
+
+    # Czy koordynaty sie nie powtarzaja
+    if len(osobnik) == len(set(osobnik)):
+        ocena += 10
+    else:
+        ocena -= 10
+
+    # Czy zachowany jest minimalny dystans miedzy koordynatami
+    for i in range(len(osobnik)):
+        for j in range(i + 1, len(osobnik)):
+            x1, y1 = osobnik[i]
+            x2, y2 = osobnik[j]
+            distance = max(abs(x2 - x1), abs(y2 - y1))
+            if distance >= 3:
+                ocena += 10
+            else: 
+                ocena -= 10
+
+    return ocena
+
+def mutacja(osobnik):
+    # mutacja poprzez zamiane randomowej pary koordynatow
+    index_osobnika = random.randint(0, len(osobnik) - 1)
+    x = random.randint(1, EKRAN_SZEROKOSC / blockSize - 2)
+    y = random.randint(1, EKRAN_WYSOKOSC / blockSize - 2)
+    osobnik[index_osobnika] = (x, y)
+
+def krzyzowanie(rodzic1, rodzic2):
+    # krzyzowanie pomiedzy dwojka rodzicow i tworzenie dziecka
+    dziecko = []
+    for i in range(len(rodzic1)):
+        dziecko.append(rodzic1[i] if random.random() < 0.5 else rodzic2[i])
+    return dziecko
+
+def ewolucja():
+
+    populacja = (wygeneruj_populacje_poczatkowa(ROZMIAR_POPULACJI))
+
+    for i in range(LICZBA_GENERACJI):
+
+        # sortowanie populacji wynikami oceny osobnikow
+        populacja = sorted(populacja, key=lambda x: ocena_osobnika(x), reverse=True)
+
+        # wybranie jedynie najlepszych osobnikow
+        rodzice = populacja[:int(ROZMIAR_POPULACJI * 0.2)]
+
+        # stworz nowa generacje poprzez krzyzowanie i mutacje
+        potomek = rodzice[:]
+        while len(potomek) < ROZMIAR_POPULACJI:
+            rodzic1 = random.choice(rodzice)
+            rodzic2 = random.choice(rodzice)
+            dziecko = krzyzowanie(rodzic1, rodzic2)
+            mutacja(dziecko)
+            potomek.append(dziecko)
+
+        populacja = potomek
+
+    return populacja[0]
+
+def print_board(osobnik):
+    board = [['-' for _ in range(EKRAN_SZEROKOSC // blockSize)] for _ in range(EKRAN_WYSOKOSC // blockSize)]
+
+    for x, y in osobnik:
+        if 0 <= x < EKRAN_SZEROKOSC // blockSize and 0 <= y < EKRAN_WYSOKOSC // blockSize:
+            board[y][x] = 'X'
+
+    for row in board:
+        print(' '.join(row))
+
+# uruchomienie algorytmu genetycznego
+# najlepszy_osobnik = ewolucja()
+# print_board(najlepszy_osobnik)