def testa_mc(c, alpha):
nome_arq = "new_teste_mc_c=%.2f_alpha=%.2f.txt" %(c,alpha)
f = open(nome_arq, "w")
precisao = 0.001
logger.info('Calculando mig critico quando beta = 1...')
m_c = encontra_m_critico(c,alpha,n)
logger.info('Valor encontrado: %f' %m_c)
logger.info('Calculando beta critico quando m = 1...')
beta_c = beta_critico(c,1.,n,alpha)
logger.info('Valor encontrado: %f' %beta_c)
# Este é o beta a partir do qual m_c = 1.
logger.info('Calculando m critico pela simulacao...')
m_c = min(m_c+0.05,1.)
m_c1, m_c2, distancia = calcula_m_critico(c,alpha,1.,[0.,m_c])
logger.info(u"Taxa de migração encontrada = %f e %f" %(m_c1, m_c2))
logger.info('Calculando beta critico pela simulacao...')
beta_c = min(beta_c+0.05,1.)
beta_c1, beta_c2, distancia_b = calcula_beta_critico(c,1.,alpha,[0.,beta_c])
logger.info("Beta encontrado = %f e %f" %(beta_c1,beta_c2))
beta_c = (beta_c1+beta_c2)/2
m_max1, m_max2 = m_c1, m_c2
m_max = (m_c1+m_c2)/2
maxdist = distancia
incremento = (beta_c)/4
v_beta = np.arange(0., beta_c, incremento)[1:][::-1] if beta_c > 0. \
else []
m_c_pred = m_critico(c,n,alpha,beta_c)
f.write('%.7f\t%.7f\t%.7f\t%.7f\t%.7f\n'\
%(beta_c,0.,0.,m_c_pred,distancia_b))
if len(v_beta)>0:
logger.info('Entra no loop...v_beta=[%f,%f,%f]'%(v_beta[0],v_beta[1],v_beta[2]))
for beta in v_beta:
m_c = (m_c1+m_c2)/2
#encontra m_max
m_max = min(m_c + 0.005,1.)
logger.info("C: %f \tALPHA:%f \t BETA: %f" %(c,alpha,beta))
m_c_pred = m_critico(c,n,alpha,beta)
m_c1, m_c2, distancia = calcula_m_critico(c,alpha,beta,[0., m_max])
logger.info(u"Taxa de migração encontrada = %f e %f" %(m_c1, m_c2))
f.write('%.7f\t%.7f\t%.7f\t%.7f\t%.7f\n'\
%(beta,m_c1,m_c2,m_c_pred,distancia))
m_c_pred = m_critico(c,n,alpha,1.)
f.write('%.7f\t%.7f\t%.7f\t%.7f\t%.7f\n'\
%(1.,m_max1,m_max2,m_c_pred,maxdist))
f.close()
def testa(b, cvalores, npt):
for c in cvalores:
logger.info(u"....Calculando b = %.2f, c = %.2f....." %(b, c))
m_c = m_critico(1,b,c,n,delta,delta,beta)
m_c2 = m_critico2(1,b,c,n,delta,delta,beta)
logger.info(u"A taxa de migração crítica é %.3f (ou %.3f - interpol)" %(m_c, m_c2))
#logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
vec_m1 = np.arange(0.,m_c,1./npt)
ini2 = 0. if vec_m1.size == 0 else vec_m1[-1]
vec_m2 = 0 if list(vec_m1)==[] else np.arange(ini2+1./npt, 1.+1./(10*npt), 1./npt)[::-1]
for pmig in vec_m1:
n_fim, n_geracoes = bobo(0.,b,c,pmig)
logger.info(u"O numero de simulacoes concluidas é: %d" %n_fim)
if n_geracoes == 0:
logger.info(u"Teste inconclusivo")
break
else:
logger.info(u"O numero de geracoes foi: %d" %n_geracoes)
for pmig in vec_m2:
n_fim, n_geracoes = bobo(1.,b,c,pmig)
logger.info(u"O numero de simulacoes concluidas é: %d" %n_fim)
if n_geracoes == 0:
logger.info(u"Teste inconclusivo")
break
else:
logger.info(u"O numero de geracoes foi: %d" %n_geracoes)
def testa(b, cvalores, numpt):
for c in cvalores:
#logger.info(u"....Calculando b = %.2f, c = %.2f....." %(b, c))
m_c = m_critico(1,b,c,n,delta,delta,beta)
m_c2 = m_critico2(1,b,c,n,delta,delta,beta)
logger.info(u"A taxa de migração crítica é %.3f (ou %.3f - interpol)" %(m_c, m_c2))
#logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
vec_m = np.arange(0.,1.+1./(10*numpt), 1./numpt)
for mm in vec_m:
logger.debug("%.3f esta em vec_m1" %mm)
logger.debug("\n\n")
nc = mp.cpu_count()-1
res1 = Parallel(n_jobs=nc)(delayed(bobo)(b,c,m_c,pmig) for pmig in vec_m)
l1 = np.array(zip(*res1)).T
for elem in l1:
benefit = elem[0]
cost = elem[1]
pmig = elem[2]
palavra = u"abaixo" if pmig<m_c else u"acima"
logger.info(u"Para b = %.2f, c = %.2f e pmig = %.3f - %s do valor de m_c: %.3f" %(benefit, cost, pmig, palavra, m_c))
n_fim = elem[3]
logger.info(u"O numero de simulacoes concluidas é: %d" %n_fim)
n_geracoes = elem[4]
if n_geracoes:
logger.info(u"O numero medio de geracoes foi: %d\n" %n_geracoes)
logger.info(u"\t%d\t%d\t%d\t%d\t%d\n" %(elem[5],elem[6],elem[7],elem[8],elem[9]))
else:
logger.info(u"Teste inconclusivo\n")
def run(self):
alpha = float(self.alpha)
n = int(self.nindiv)
N = int(self.ngroup)
mu = float(self.mu)
delta = float(self.delta)
b = float(self.benefit)
c = float(self.cost)
precisao = 0.001
vbeta = np.arange(0.,1.01, 0.1)
f = self.output().open('w')
for beta in vbeta:
numpt = 10
m_c_pred = m_critico(1,b,c,n,delta,alpha,beta)
logger.info("C: %f \t BETA: %f" %(c,beta))
continua = True
reverso = False
primeiro, ultimo = 0., 1.
pmig = primeiro
while (continua) and (ultimo-primeiro>precisao):
logger.debug("primeiro: %f" %primeiro)
logger.debug("ultimo: %f" %ultimo)
vec_m = np.arange(primeiro,ultimo+1./(10*numpt), 1./numpt)
if reverso:
vec_m = vec_m[::-1]
for i in xrange(len(vec_m)):
pmig = vec_m[i]
logger.debug("i: %d, pmig: %f" %(i,pmig))
nfim, ngeracoes = bobo(N, n, b, c, delta, mu, alpha, beta, pmig)
logger.debug("Numero de simulacoes ate o fim: %d" %nfim)
if nfim == 0:
if i == 0:
continua=False
logger.debug("Continua modificado: False")
else:
numpt = 10*numpt
primeiro = vec_m[i-1]+1./numpt
ultimo = vec_m[i]-1./numpt
reverso=False
break
elif vec_m[i] == max(vec_m):
pmig = vec_m[i]
continua=False
reverso=True
m_c_real = pmig
logger.info("m_c encontrado: %f" %m_c_real)
f.write(str(beta))
f.write("\t")
f.write(str(m_c_real))
f.write("\t")
f.write(str(m_c_pred))
f.write("\n")
f.close()
def testa_mc(c, alpha, vbeta):
nome_arq = "copia_teste_mc_c=%.2f_alpha=%.2f.txt" % (c, alpha)
f = open(nome_arq, "w")
precisao = 0.001
lmr = []
lmp1 = []
lmp2 = []
for beta in vbeta:
numpt = 10
m_c_pred1 = m_critico(c, n, alpha, beta)
m_c_pred2 = m_critico2(c, n, alpha, beta)
# logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
logger.info("C: %f \tALPHA:%f \t BETA: %f" % (c, alpha, beta))
continua = True
reverso = False
primeiro, ultimo = 0.0, 1.0
pmig = primeiro
while (continua) and (ultimo - primeiro > precisao):
logger.debug("primeiro: %f" % primeiro)
logger.debug("ultimo: %f" % ultimo)
vec_m = np.arange(primeiro, ultimo + 1.0 / (10 * numpt), 1.0 / numpt)
for i, pmig in enumerate(vec_m):
logger.debug("i: %d, pmig: %f" % (i, pmig))
nfim, ngeracoes = bobo(c, alpha, beta, pmig)
logger.debug("Numero de simulacoes ate o fim: %d" % nfim)
if nfim == 0:
if i == 0:
continua = False
logger.debug("Continua modificado: False")
else:
numpt = 10 * numpt
primeiro = vec_m[i - 1] + 1.0 / numpt
ultimo = vec_m[i] - 1.0 / numpt
break
elif pmig == max(vec_m):
continua = False
m_c_real = pmig
logger.info("m_c encontrado: %f" % m_c_real)
f.write(str(beta))
f.write("\t")
f.write(str(m_c_real))
f.write("\t")
f.write(str(m_c_pred1))
f.write("\t")
f.write(str(m_c_pred2))
f.write("\n")
lmr.append(m_c_real)
lmp1.append(m_c_pred1)
lmp2.append(m_c_pred2)
f.close()
plota_fig(c, alpha, vbeta, lmr, lmp1, lmp2)
def testa(b, c, vbeta):
nome_arq = "teste_mc_c=%.2f.txt" % c
f = open(nome_arq, "w")
precisao = 0.001
for beta in vbeta:
numpt = 10
m_c_pred = m_critico(1, b, c, n, delta, alpha, beta)
#logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
logger.info("C: %f \t BETA: %f" % (c, beta))
continua = True
reverso = False
primeiro, ultimo = 0., 1.
pmig = primeiro
while (continua) and (ultimo - primeiro > precisao):
logger.debug("primeiro: %f" % primeiro)
logger.debug("ultimo: %f" % ultimo)
vec_m = np.arange(primeiro, ultimo + 1. / (10 * numpt), 1. / numpt)
if reverso:
vec_m = vec_m[::-1]
for i in xrange(len(vec_m)):
pmig = vec_m[i]
logger.debug("i: %d, pmig: %f" % (i, pmig))
nfim, ngeracoes = bobo(b, c, beta, m_c_pred, pmig)
logger.debug("Numero de simulacoes ate o fim: %d" % nfim)
if nfim == 0:
if i == 0:
continua = False
logger.debug("Continua modificado: False")
else:
numpt = 10 * numpt
primeiro = vec_m[i - 1] + 1. / numpt
ultimo = vec_m[i] - 1. / numpt
reverso = False
break
elif vec_m[i] == max(vec_m):
pmig = vec_m[i]
continua = False
reverso = True
m_c_real = pmig
logger.info("m_c encontrado: %f" % m_c_real)
f.write(str(beta))
f.write("\t")
f.write(str(m_c_real))
f.write("\t")
f.write(str(m_c_pred))
f.write("\n")
f.close()
def testa(b, c, vbeta):
nome_arq = "teste_mc_c=%.2f.txt" %c
f = open(nome_arq, "w")
precisao = 0.001
for beta in vbeta:
numpt = 10
m_c_pred = m_critico(1,b,c,n,delta,alpha,beta)
#logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
logger.info("C: %f \t BETA: %f" %(c,beta))
continua = True
reverso = False
primeiro, ultimo = 0., 1.
pmig = primeiro
while (continua) and (ultimo-primeiro>precisao):
logger.debug("primeiro: %f" %primeiro)
logger.debug("ultimo: %f" %ultimo)
vec_m = np.arange(primeiro,ultimo+1./(10*numpt), 1./numpt)
if reverso:
vec_m = vec_m[::-1]
for i in xrange(len(vec_m)):
pmig = vec_m[i]
logger.debug("i: %d, pmig: %f" %(i,pmig))
nfim, ngeracoes = bobo(b,c,beta,m_c_pred,pmig)
logger.debug("Numero de simulacoes ate o fim: %d" %nfim)
if nfim == 0:
if i == 0:
continua=False
logger.debug("Continua modificado: False")
else:
numpt = 10*numpt
primeiro = vec_m[i-1]+1./numpt
ultimo = vec_m[i]-1./numpt
reverso=False
break
elif vec_m[i] == max(vec_m):
pmig = vec_m[i]
continua=False
reverso=True
m_c_real = pmig
logger.info("m_c encontrado: %f" %m_c_real)
f.write(str(beta))
f.write("\t")
f.write(str(m_c_real))
f.write("\t")
f.write(str(m_c_pred))
f.write("\n")
f.close()
def testa(b, cvalores, numpt):
nome_arq = "0teste_beta=%.2f_b=%.2f.txt" % (beta, b)
f = open(nome_arq, "w")
for c in cvalores:
m_c = m_critico(1, b, c, n, delta, alpha, beta)
m_c2 = m_critico2(1, b, c, n, delta, alpha, beta)
logger.info(u"A taxa de migração crítica é %.3f (ou %.3f - interpol)" %
(m_c, m_c2))
#logger.info(u"Logo: abaixo de mig = %.3f, há chance de emergência de altruísmo. Para taxas de migrações mais altas, a emergência se torna implausível" %m_c)
vec_m = np.arange(0., 1. + 1. / (10 * numpt), 1. / numpt)
for mm in vec_m:
logger.debug("%.3f esta em vec_m1" % mm)
logger.debug("\n\n")
nc = mp.cpu_count() - 1
res1 = Parallel(n_jobs=nc)(delayed(bobo)(b, c, m_c, pmig)
for pmig in vec_m)
l1 = np.array(zip(*res1)).T
for elem in l1:
benefit = elem[0]
cost = elem[1]
pmig = elem[2]
palavra = u"abaixo" if pmig < m_c else u"acima"
logger.info(
u"Para b = %.2f, c = %.2f e pmig = %.3f - %s do valor de m_c: %.3f"
% (benefit, cost, pmig, palavra, m_c))
f.write(str(c))
f.write("\t")
f.write(str(pmig))
f.write("\t")
for i in xrange(5):
f.write(str(elem[5 + i]))
f.write("\t")
f.write("\n")
n_fim = elem[3]
logger.info(u"O numero de simulacoes concluidas é: %d" % n_fim)
n_geracoes = elem[4]
if n_geracoes:
logger.info(u"O numero medio de geracoes foi: %d" % n_geracoes)
logger.info(u"\t%d\t%d\t%d\t%d\t%d\n" %
(elem[5], elem[6], elem[7], elem[8], elem[9]))
else:
logger.info(u"Teste inconclusivo\n")
f.close()
def gera_simulacao(gnum, inum, pa, b, c, delta, mutacao, alpha, beta, pmig, pa_automatico):
logger.info(u"Começando a simulação")
if pa_automatico:
m_c = m_critico(1,b,c,inum,delta,alpha,beta)
logger.info(u"A taxa de migração crítica é: %.3f" %m_c)
pa = 1. if pmig > m_c else 0.0001
logger.info(u"Parâmetros: N=%d, n=%d, pA=%.2f, b=%.2f, c=%.2f, delta=%.3f,\
\n\t\tmu=%.4f, alpha=%.1f, beta=%.2f, pmig=%.2f" \
%(gnum, inum, pa, b, c, delta, mutacao, alpha, beta, pmig))
A = int(gnum*inum*pa)
grupos,lfit,lfit_m,mpvencer = initSim(gnum,inum,A,b,c,delta,alpha)
x = time.time()+random.random()
return simula(gnum,inum,mutacao,beta,pmig,grupos,lfit,lfit_m,mpvencer,x)
def plota_m_beta(v_beta, v_m, yerr, params, new=True):
c,alpha,n = params
titulo = r'Critical migration rate comparison (model vs. simulation) '
titulo = titulo + '\n' + r'$c$ = %.2f, $\alpha$ = %.2f and $n$ = %d' \
%(c, alpha, n)
beta_c = v_beta[0]
if beta_c < 1.:
p = interpolate.interp1d(v_beta,v_m,kind=1)
else:
p = lambda arg: 0.
x = np.arange(0.,1.01,0.01)
func = lambda arg: p(arg) if arg > beta_c else 0.
y = [func(elem) for elem in x]
fig = plt.figure(figsize=(7,6), dpi=300)
ax = fig.add_subplot(111)
ax.errorbar(v_beta,v_m,yerr=yerr,fmt='o',label='simulacao')
#ax.plot(x,y,'-',label='simulacao')
v_beta = x
v_m_pred = [m_critico(c,n,alpha,beta) for beta in v_beta]
ax.plot(v_beta,v_m_pred,'-',label='autovalor=1')
plt.title(titulo)
plt.xlabel(r'$\beta$')
plt.ylabel(r'$m_c$')
plt.xlim([-0.01,1.01])
plt.ylim([-0.01,1.01])
lgd = ax.legend(loc="center", bbox_to_anchor=(0.5,-0.2), fancybox=True, ncol=3)
plt.grid(True)
plt.tight_layout()
if new:
nome_fig = "comparacao_m_beta_c=%.2f_%s=%.1f.png" \
%(c,'alpha',alpha)
else:
nome_fig = "teste_comparacao_m_beta_c=%.2f_%s=%.1f.png" \
%(c,'alpha',alpha)
plt.savefig(nome_fig, additional_artists = lgd, bbox_inches="tight")
