def _setup(self) -> None:
if population.count() == 0:
while population.count() < seq.minimum_bounding_n(
config.P_VALUE / max(1, population.count())):
self._logger.info("Создается базовый организм:")
org = population.create_new_organism()
self._logger.info(f"{org}\n")
self._scale = int(population.count()**0.5)
def evolve(self, portfolio: Portfolio) -> None:
"""Осуществляет эволюции.
При необходимости создается начальная популяция из организмов по умолчанию.
"""
self._setup()
tickers = tuple(portfolio.index[:-2])
end = portfolio.date
scale = 1.0
step = 0
while True:
step += 1
print(f"***{end.date()}: Шаг эволюции — {step}***")
population.print_stat()
print(f"Фактор - {scale:.2%}\n")
parent = population.get_parent()
print("Переоцениваю родителя:")
if _eval_and_print(parent, tickers, end) is None:
scale *= SCALE_DOWN
continue
child = parent.make_child(scale)
print("Потомок:")
if _eval_and_print(child, tickers, end) is None:
scale *= SCALE_DOWN
continue
if population.count() > self._max_population:
_kill_weakest(child)
def test_count():
assert population.count() == 4
org1 = population.Organism()
org1._doc.save()
assert population.count() == 5
org2 = population.Organism()
org2._doc.save()
assert population.count() == 6
org1.die()
assert population.count() == 5
org2.die()
assert population.count() == 4
def _test_diff(diff: list[float]) -> tuple[float, float, float]:
"""Последовательный тест на медианную разницу с учетом множественного тестирования.
Тестирование одностороннее, поэтому p-value нужно умножить на 2, но проводится 2 раза.
"""
_, upper = seq.median_conf_bound(diff, config.P_VALUE / population.count())
return float(np.median(diff)), upper, np.max(diff)
def evolve(self, portfolio: Portfolio) -> NoReturn:
"""Осуществляет одну эпоху эволюции.
При необходимости создается начальная популяция из организмов по умолчанию.
"""
tickers = tuple(portfolio.index[:-2])
end = portfolio.date
self._setup()
count = population.count()
for step, parent in enumerate(population.get_all_organisms(), 1):
print(f"***{end.date()}: Шаг эпохи - {step}/{count}***")
population.print_stat()
print()
print("Родитель:")
parent_fitness = self._eval_and_print(parent, tickers, end)
if parent_fitness is None:
continue
child = parent.make_child()
print("Потомок:")
child_fitness = self._eval_and_print(child, tickers, end)
if child_fitness is None:
continue
if population.count() <= self._max_population:
continue
weakest = parent
if parent_fitness > child_fitness:
weakest = child
weakest = weakest.find_weaker()
print("Более слабый и наиболее медленный - удаляю:")
self._eval_and_print(weakest, tickers, end)
weakest.die()
def _eval_exiting(self, portfolio: Portfolio) -> None:
"""Оценивает существующих."""
tickers = tuple(portfolio.index[:-2])
end = portfolio.date
count = population.count()
for step, parent in enumerate(population.get_all_organisms(), 1):
print(f"***{end.date()}: Шаг переоценки существующих организмов - {step}/{count}***")
population.print_stat()
print()
print("Родитель:")
parent_fitness = self._eval_and_print(parent, tickers, end)
if parent_fitness is None:
continue
def _setup(self) -> NoReturn:
"""Создает популяцию из организмов по умолчанию.
Если организмов меньше 4 - минимальное количество для осуществления эволюции.
"""
count = population.count()
print(f"Имеется {count} организмов из {self._max_population}")
print()
if count < 4:
for i in range(1, self._max_population - count + 1):
print(f"Создаю базовые генотипы - {i}/{self._max_population - count}")
organism = population.create_new_organism()
print(organism)
print()
def evolve(self, portfolio: Portfolio) -> NoReturn:
"""Осуществляет одну эпоху эволюции.
При необходимости создается начальная популяция из организмов по умолчанию.
"""
tickers = tuple(portfolio.index[:-2])
end = portfolio.date
self._setup()
self._eval_exiting(portfolio)
count = population.count()
factor = MUTATION_FACTOR
for step, parent in enumerate(population.get_all_organisms(), 1):
print(f"***{end.date()}: Шаг размножения - {step}/{count}***")
population.print_stat()
print(f"Фактор - {factor:.2%}")
print()
child = parent.make_child(factor)
print("Потомок:")
child_fitness = self._eval_and_print(child, tickers, end)
if child_fitness is None:
factor *= MUTATION_FACTOR
continue
if population.count() <= self._max_population:
continue
weakest = child.find_weaker()
print("Наиболее слабый - удаляю:")
self._eval_and_print(weakest, tickers, end)
weakest.die()
def __init__(self):
"""Инициализирует необходимые параметры."""
self._tickers = None
self._end = None
self._logger = logging.getLogger()
self._scale = int(population.count()**0.5)
def _n_test(scores: int = -1) -> int:
return max(population.count(), scores + 1)
if margin[0] - margin[1] < 0:
self._logger.info("Медленный не размножается...\n")
return None
prey = hunter.make_child(1 / max(1, self._scale))
self._logger.info(f"Потомок:")
if (margin := self._eval_organism(prey)) is None:
return None
if margin[0] < 0:
self._scale += 1
return None
self._scale = max(int(population.count()**0.5), self._scale - 1)
if margin[0] - margin[1] < 0:
return None
return None
def _eval_organism(
self,
organism: population.Organism) -> Optional[tuple[float, float]]:
"""Оценка организмов.
- Если организм уже оценен для данной даты, то он не оценивается.
- Если организм старый, то оценивается один раз.
- Если организм новый, то он оценивается для определенного количества дат из истории.
"""
def _n_test(self) -> int:
return max(population.count(), seq.minimum_bounding_n(config.P_VALUE),
self._scale)