Traktor/generate_board.py

222 lines
8.8 KiB
Python
Raw Normal View History

2024-06-06 23:15:26 +02:00
import random
import numpy as np
import pygame
# Wymiary planszy
rows, cols = 10, 10 # Ustalona liczba wierszy i kolumn
size = 50 # Rozmiar pojedynczego pola na planszy
# Klasa reprezentująca planszę
class Board:
def __init__(self):
self.board = [] # Tablica reprezentująca planszę
self.vegetables = [] # Tablica przechowująca warzywa na planszy
self.soil_features = None # Cechy gleby (wilgotność, temperatura itp.)
self.vegetable_names = [] # Tablica przechowująca nazwy warzyw na planszy
self.load_images() # Ładowanie obrazów warzyw i innych elementów planszy
self.generate_board() # Generowanie początkowej planszy
# Metoda do ładowania obrazów
def load_images(self):
self.grass = pygame.Surface((size, size)) # Tworzenie powierzchni dla trawy
self.grass.fill((0, 255, 0)) # Wypełnienie powierzchni zielonym kolorem (trawa)
# Tworzenie powierzchni dla różnych warzyw
self.warzywa_images = {
"pomidor": [pygame.Surface((size, size)) for _ in range(9)],
"ogorek": [pygame.Surface((size, size)) for _ in range(9)],
"kalafior": [pygame.Surface((size, size)) for _ in range(9)]
}
# Kolory przypisane do każdego warzywa
colors = {
"pomidor": (255, 0, 0), # Czerwony
"ogorek": (255, 165, 0), # Pomarańczowy
"kalafior": (255, 255, 255) # Biały
}
# Wypełnianie powierzchni odpowiednim kolorem dla każdego warzywa
for veg, color in colors.items():
for surface in self.warzywa_images[veg]:
surface.fill(color)
# Typy warzyw przypisane do liczb
self.vegetable_types = {
"pomidor": 1,
"ogorek": 2,
"kalafior": 3
}
# Metoda do generowania początkowej planszy
def generate_board(self):
self.board = [[random.choice([0, 1, 2, 3]) for _ in range(cols)] for _ in range(rows)]
self.vegetables = [[None for _ in range(cols)] for _ in range(rows)]
self.vegetable_names = [[None for _ in range(cols)] for _ in range(rows)]
# Losowe przypisanie warzyw do planszy
for row in range(rows):
for col in range(cols):
if self.board[row][col] in (1, 2, 3):
vegetable_type = list(self.warzywa_images.keys())[self.board[row][col] - 1]
vegetable_image = random.choice(self.warzywa_images[vegetable_type])
self.vegetables[row][col] = vegetable_image
self.vegetable_names[row][col] = vegetable_type
self.soil_features = self.generate_soil_features() # Generowanie cech gleby
# Metoda do generowania cech gleby
def generate_soil_features(self):
return {
"wilgotnosc_gleby": random.randint(30, 70),
"temperatura_gleby": random.randint(13, 26),
"opady_deszczu": random.randint(0, 11),
"wiek_rosliny": random.randint(1, 9),
"proc_ekspo_na_swiatlo": random.randint(10, 90),
"pora_dnia": random.randint(8, 20),
"pora_roku": random.randint(1, 4)
}
# Metoda oceniająca jakość planszy
def evaluate(self):
score = 0
directions = [(0, 1), (1, 0), (0, -1), (-1, 0)] # Kierunki: prawo, dół, lewo, góra
# Sprawdzanie sąsiednich pól dla każdego warzywa
for row in range(rows):
for col in range(cols):
if self.is_vegetable(row, col):
for dr, dc in directions:
new_row, new_col = row + dr, col + dc
if 0 <= new_row < rows and 0 <= new_col < cols:
if self.vegetable_names[row][col] == self.vegetable_names[new_row][new_col]:
score += 1
return score
# Metoda mutująca planszę
def mutate(self, mutation_rate):
for row in range(rows):
for col in range(cols):
if random.random() < mutation_rate:
self.board[row][col] = random.choice([0, 1, 2, 3])
if self.board[row][col] in (1, 2, 3):
vegetable_type = list(self.warzywa_images.keys())[self.board[row][col] - 1]
vegetable_image = random.choice(self.warzywa_images[vegetable_type])
self.vegetables[row][col] = vegetable_image
self.vegetable_names[row][col] = vegetable_type
# Metoda krzyżująca planszę z inną planszą
def crossover(self, other_board):
crossover_point = random.randint(0, rows * cols - 1)
for i in range(rows):
for j in range(cols):
if i * cols + j > crossover_point:
self.board[i][j], other_board.board[i][j] = other_board.board[i][j], self.board[i][j]
self.vegetables[i][j], other_board.vegetables[i][j] = other_board.vegetables[i][j], \
self.vegetables[i][j]
self.vegetable_names[i][j], other_board.vegetable_names[i][j] = other_board.vegetable_names[i][j], \
self.vegetable_names[i][j]
# Metoda kopiująca planszę
def copy(self):
new_board = Board()
new_board.board = [row[:] for row in self.board]
new_board.vegetables = [row[:] for row in self.vegetables]
new_board.vegetable_names = [row[:] for row in self.vegetable_names]
new_board.soil_features = self.soil_features.copy()
return new_board
# Sprawdza, czy dane pole zawiera warzywo
def is_vegetable(self, row, col):
return self.board[row][col] in (1, 2, 3)
# Rysowanie planszy na oknie pygame
def draw_cubes(self, win):
for row in range(rows):
for col in range(cols):
cube_rect = pygame.Rect(col * size, row * size, size, size)
cube = self.board[row][col]
if cube == 0:
win.blit(self.grass, cube_rect)
else:
if self.vegetables[row][col]:
vegetable_image = pygame.transform.scale(self.vegetables[row][col], (size, size))
win.blit(vegetable_image, cube_rect)
# Funkcja oceniająca planszę (wywołuje metodę evaluate)
def evaluate(board):
return board.evaluate()
# Generowanie początkowej populacji plansz
def generate_population(size):
return [Board() for _ in range(size)]
# Selekcja metodą ruletki
def roulette_wheel_selection(population, fitnesses):
total_fitness = sum(fitnesses)
selection_probs = [f / total_fitness for f in fitnesses]
return population[random.choices(range(len(population)), weights=selection_probs, k=1)[0]]
# Krzyżowanie jednopunktowe
def crossover(parent1, parent2):
child1, child2 = parent1.copy(), parent2.copy()
child1.crossover(child2)
return child1, child2
# Mutacja planszy
def mutate(board, mutation_rate):
board.mutate(mutation_rate)
# Algorytm genetyczny
def genetic_algorithm(pop_size, generations, mutation_rate):
population = generate_population(pop_size) # Generowanie początkowej populacji
for _ in range(generations):
fitnesses = [evaluate(board) for board in population] # Ocenianie każdej planszy
new_population = []
while len(new_population) < pop_size:
parent1 = roulette_wheel_selection(population, fitnesses) # Wybór rodzica 1 metodą ruletki
parent2 = roulette_wheel_selection(population, fitnesses) # Wybór rodzica 2 metodą ruletki
offspring1, offspring2 = crossover(parent1, parent2) # Krzyżowanie rodziców
mutate(offspring1, mutation_rate) # Mutacja potomka 1
mutate(offspring2, mutation_rate) # Mutacja potomka 2
new_population.extend([offspring1, offspring2]) # Dodanie potomków do nowej populacji
population = new_population # Zamiana starej populacji na nową
best_board = max(population, key=evaluate) # Wybór najlepszej planszy z populacji
return best_board
# Parametry algorytmu
pop_size = 50 # Rozmiar populacji
generations = 200 # Liczba generacji
mutation_rate = 0.05 # Wskaźnik mutacji
# Inicjalizacja Pygame
pygame.init()
win = pygame.display.set_mode((cols * size, rows * size)) # Ustawienie rozmiaru okna
pygame.display.set_caption('Generated Board') # Ustawienie tytułu okna
# Generowanie najlepszej planszy
best_board = genetic_algorithm(pop_size, generations, mutation_rate)
# Rysowanie najlepszej planszy
best_board.draw_cubes(win)
pygame.display.update()
# Zapisywanie planszy do pliku
np.save('generated_board.npy', best_board.board)
# Utrzymanie okna otwartego do zamknięcia przez użytkownika
run = True
while run:
for event in pygame.event.get():
if event.type == pygame.QUIT:
run = False
pygame.quit()