def nova_geracao(self, populacao, elitismo):
nova_populacao = Populacao(tam_pop=populacao.get_tam_populacao())
if (elitismo):
nova_populacao.set_individuo(populacao.get_individuo(0))
while (nova_populacao.get_num_individuos() <
nova_populacao.get_tam_populacao()):
pais = self.selecao_torneio(populacao)
filhos = []
# verifica a taxa de crossover, se sim realiza o crossover, se não, mantém os pais selecionados para a próxima geração
if (random.uniform(0.0, 1.0) <= self.taxa_crossover):
filhos = self.crossover(pais[1], pais[0])
else:
filhos.append(Individuo(genes=pais[0].get_genes()))
filhos.append(Individuo(genes=pais[1].get_genes()))
# adiciona os filhos na nova geração
nova_populacao.set_individuo(filhos[0])
nova_populacao.set_individuo(filhos[1])
# ordena a nova população
nova_populacao.ordena_populacao()
return nova_populacao
def selecao_torneio(self, populacao):
populacao_intermediaria = Populacao(tam_pop=3)
# seleciona 3 indivíduos aleatóriamente na população
populacao_intermediaria.set_individuo(
populacao.get_individuo(
random.randint(0, (populacao.get_tam_populacao() - 1))))
populacao_intermediaria.set_individuo(
populacao.get_individuo(
random.randint(0, (populacao.get_tam_populacao() - 1))))
populacao_intermediaria.set_individuo(
populacao.get_individuo(
random.randint(0, (populacao.get_tam_populacao() - 1))))
# ordena a população
populacao_intermediaria.ordena_populacao()
pais = []
# seleciona os 2 melhores deste população
pais.insert(0, populacao_intermediaria.get_individuo(0))
pais.insert(1, populacao_intermediaria.get_individuo(1))
return pais