ocena, mutacja, krzyżowanie, ewolucja #30

Merged
s473598 merged 1 commits from alg_gen_mutacja into master 2023-06-15 17:36:34 +02:00
Showing only changes of commit 972480f501 - Show all commits

View File

@ -3,21 +3,23 @@ import random
EKRAN_SZEROKOSC = 770 EKRAN_SZEROKOSC = 770
EKRAN_WYSOKOSC = 770 EKRAN_WYSOKOSC = 770
blockSize = 70 blockSize = 70
LICZBA_REGALOW = 14 LICZBA_REGALOW = 4
LICZBA_MIEJSC_DLA_PACZKE = 1 LICZBA_MIEJSC_NA_PACZKE = 1
LICZBA_SKRZYNEK_NA_LISTY = 1 LICZBA_SKRZYNEK_NA_LISTY = 1
ROZMIAR_POPULACJI = 100
LICZBA_GENERACJI = 100
def wygeneruj_osobnika(zasieg_wspolrzednych, ilosc_wspolrzednych): def wygeneruj_osobnika(zasieg_wspolrzednych, ilosc_wspolrzednych):
# ilosc_wspolrzednych = ilosc_wspolrzednych/2
osobnik = list() osobnik = list()
for j in range(ilosc_wspolrzednych): 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) e = (x, y)
while e in osobnik: 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) e = (x, y)
osobnik.append(e) osobnik.append(e)
return osobnik return osobnik
@ -25,8 +27,8 @@ def wygeneruj_osobnika(zasieg_wspolrzednych, ilosc_wspolrzednych):
def wygeneruj_populacje_poczatkowa(liczebnosc_populacji): def wygeneruj_populacje_poczatkowa(liczebnosc_populacji):
populacja = list() 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): for i in range(liczebnosc_populacji):
osobnik = wygeneruj_osobnika(zasieg, ilosc_wspolrzednych) osobnik = wygeneruj_osobnika(zasieg, ilosc_wspolrzednych)
while osobnik in populacja: while osobnik in populacja:
@ -35,4 +37,77 @@ def wygeneruj_populacje_poczatkowa(liczebnosc_populacji):
return populacja 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)