def plot(matriz,
legends,
benchmark=None,
titulo='',
titulo_x='',
titulo_y='',
salvar=False,
limites=(0, 0),
dir=''):
x = [i for i in range(1, len(matriz[0]) + 1)]
fig = plt.figure()
ax = fig.add_subplot(111)
plt.plot(x, matriz[0], '-.o', label=legends[0])
plt.plot(x, matriz[1], ':x', label=legends[1])
plt.plot(x, matriz[2], '--', label=legends[2])
lgd = plt.legend(loc=2, borderaxespad=0., bbox_to_anchor=(1.05, 1))
plt.title(titulo)
plt.xlabel(titulo_x)
plt.ylabel(titulo_y)
ax.set_ylim(
Benchmark.info(benchmark)[3][0] + limites[0],
Benchmark.info(benchmark)[3][0] + limites[1])
if salvar:
plt.savefig(dir + titulo + '.pdf')
plt.savefig(dir + titulo + '.pdf',
bbox_extra_artists=(lgd, ),
bbox_inches='tight')
plt.show()
def salvar_resultados_teste(self, dir, titulo, melhores, geracoes_finais,
Max, Avg, Min, nao_convergidos):
file = open(dir + '/' + titulo + '.txt', 'w')
file.write('Resultados do Teste: ' + titulo + '\n')
file.write('\nAtributos do Teste: \n')
file.write(' Benchmark = ' + Benchmark.info(self.benchmark)[4] +
'\n')
file.write(' Número de Testes = ' + str(self.num) + '\n')
file.write(' Número de Testes não convergidos= ' +
str(nao_convergidos) + '\n')
Media, dp, va = media(melhores)
file.write('\nMelhores Individuos: \n')
file.write(' ' + str(melhores) + '\n')
file.write(' Media = ' + str(Media) + '\n')
file.write(' Desvio Padrão = ' + str(dp) + '\n')
file.write(' Variância = ' + str(va) + '\n')
Media, dp, va = media(geracoes_finais)
file.write('\nGerações Finais: \n')
file.write(' ' + str(geracoes_finais) + '\n')
file.write(' Media = ' + str(Media) + '\n')
file.write(' Desvio Padrão = ' + str(dp) + '\n')
file.write(' Variância = ' + str(va) + '\n')
file.close()
print('Arquivo Salvo em: ' + dir + '/' + titulo + '.txt')
def FluidGA(benchmark=Benchmark.rastrigin,
tam_entradas=24,
num_entradas=2,
max_geracoes=250,
populacao_inicial=100,
prob_mut=0.2,
prob_p_flip_bit=0.05,
prob_p_cruz=0.5,
tam_torneio=3):
lim_min, lim_max, pesos, solucoes, str_benchmark = Benchmark.info(
benchmark)
creator.create("avaliacao", base.Fitness,
weights=pesos) ##setando objetivo das avaliacoes ###
creator.create("Individuo", list,
fitness=creator.avaliacao) ##Criando tipo de Individuos
toolbox = base.Toolbox() ## Instanciando objeto Toolbox
toolbox.register(
"ini_gene", random.randint, 0,
1) ## registrando ferramenta para pegar bit ramdomico (0 ou 1)
tam = tam_entradas * num_entradas
toolbox.register(
"individuo", tools.initRepeat, creator.Individuo, toolbox.ini_gene, tam
) ## registrando ferramenta para criar individuo com 48 bits apartir da ferramenta "ini_gene"
toolbox.register(
"populacao", tools.initRepeat, list, toolbox.individuo
) ##registrando ferramenta para criar populacao com base na ferramenta "individuo"
indiv = Benchmark.Benchmark(
num_entradas, tam_entradas, lim_min, lim_max,
benchmark) ##Instanciando Objeto para Benchmark
toolbox.register(
"avaliacao", indiv.fitness
) ##registrando ferramenta para avaliar com base na nossa função fitness do Objeto Benchmark
#toolbox.register("crusar", tools.cxTwoPoint) ##registrando ferramenta para crusar dois individuos
#toolbox.register("mutar", tools.mutFlipBit, indpb=prob_p_flip_bit) ##registrando ferramenta para mutar individuos com chance de mutação de 5%
toolbox.register(
"selecionar", tools.selTournament, tournsize=tam_torneio
) ##registrando ferramenta para selecionar pais em um torneio.
toolbox.register(
"selecao_elitista", tools.selBest
) ##registrando ferramenta para selecionar pais de forma totalmente elitista.
return run_Fluid(toolbox, populacao_inicial, max_geracoes, pesos, solucoes,
tam)
def salvar_resultados(titulo, entrada, GAs, benchmark, dir=''):
dir = criar_dir(dir + 'Test - ' + titulo)
file = open(dir + '/' + titulo + '_info' + '.csv', 'w')
file.write('Resultados do Teste:, ' + titulo + '\n')
file.write('\nAtributos do Teste: \n')
file.write('Benchmark ,' + Benchmark.info(benchmark)[4] + '\n')
file.write('Número de Testes ,' + str(len(entrada[0])) + '\n')
file.write('\n\nAlgoritimo, Média, Desvio Padrão, Variância\n')
for i in range(len(entrada)):
med, desv, var = media(entrada[i])
file.write(
str(GAs[i]) + ',' + str(med) + ',' + str(desv) + ',' + str(var) +
'\n')
file.close()
print('Arquivo Salvo em: ' + dir + '/' + titulo + '_info' + '.csv')
def teste(self):
melhores = []
geracoes_finais = []
nao_convergidos = 0
for i in range(self.num):
print('Fazendo Teste Número ({})'.format(i))
if (self.algoritmo == TrangenicGA.trangenicGA):
melhor, geracao_f, Max, Avg, Min = self.algoritmo(
self.benchmark, self.tam_entradas, self.num_entradas,
self.max_geracoes, self.populacao_inicial, self.prob_mut,
self.prob_p_flip_bit, self.prob_p_cruz, self.tam_torneio,
self.fator_aprox_histo)
melhores.append(melhor)
geracoes_finais.append(geracao_f)
if geracao_f == self.max_geracoes:
nao_convergidos = nao_convergidos + 1
titulo, eixo_x_M, eixo_y_M, eixo_x_G, eixo_y_G = 'Transgenic GA with ' + Benchmark.info(
self.benchmark
)[4], 'Number of the Test', 'Evaluation of the Best Individual', 'Number of the Test', 'Final Generation'
elif self.algoritmo == Theory_Of_ChaosGA.chaosGA:
melhor, geracao_f, Max, Avg, Min = self.algoritmo(
self.benchmark, self.tam_entradas, self.num_entradas,
self.max_geracoes, self.populacao_inicial, self.prob_mut,
self.prob_p_flip_bit, self.tam_torneio)
melhores.append(melhor)
geracoes_finais.append(geracao_f)
if geracao_f == self.max_geracoes:
nao_convergidos = nao_convergidos + 1
titulo, eixo_x_M, eixo_y_M, eixo_x_G, eixo_y_G = 'Theory of Chaos GA with ' + Benchmark.info(
self.benchmark
)[4], 'Number of the Test', 'Evaluation of the Best Individual', 'Number of the Test', 'Final Generation'
elif self.algoritmo == GABasico.GAbasico:
melhor, geracao_f, Max, Avg, Min = self.algoritmo(
self.benchmark, self.tam_entradas, self.num_entradas,
self.max_geracoes, self.populacao_inicial, self.prob_mut,
self.prob_p_flip_bit, self.prob_p_cruz, self.tam_torneio)
melhores.append(melhor)
geracoes_finais.append(geracao_f)
if geracao_f == self.max_geracoes:
nao_convergidos = nao_convergidos + 1
titulo, eixo_x_M, eixo_y_M, eixo_x_G, eixo_y_G = 'Basic GA with ' + Benchmark.info(
self.benchmark
)[4], 'Number of the Test', 'Evaluation of the Best Individual', 'Number of the Test', 'Final Generation'
elif self.algoritmo == HomogeneousGA.homogeneousGA:
melhor, geracao_f, Max, Avg, Min = self.algoritmo(
self.benchmark, self.tam_entradas, self.num_entradas,
self.max_geracoes, self.populacao_inicial, self.prob_mut,
self.prob_p_flip_bit, self.prob_p_cruz, self.tam_torneio,
self.fator_aprox_histo)
melhores.append(melhor)
geracoes_finais.append(geracao_f)
if geracao_f == self.max_geracoes:
nao_convergidos = nao_convergidos + 1
titulo, eixo_x_M, eixo_y_M, eixo_x_G, eixo_y_G = 'Transgenic GA with ' + Benchmark.info(
self.benchmark
)[4], 'Number of the Test', 'Evaluation of the Best Individual', 'Number of the Test', 'Final Generation'
elif self.algoritmo == FluidGA.FluidGA:
melhor, geracao_f, Max, Avg, Min = self.algoritmo(
self.benchmark, self.tam_entradas, self.num_entradas,
self.max_geracoes, self.populacao_inicial, self.prob_mut,
self.prob_p_flip_bit, self.prob_p_cruz, self.tam_torneio)
melhores.append(melhor)
geracoes_finais.append(geracao_f)
if geracao_f == self.max_geracoes:
nao_convergidos = nao_convergidos + 1
titulo, eixo_x_M, eixo_y_M, eixo_x_G, eixo_y_G = 'Basic GA with ' + Benchmark.info(
self.benchmark
)[4], 'Number of the Test', 'Evaluation of the Best Individual', 'Number of the Test', 'Final Generation'
dir = 'Test - ' + titulo
if self.salvar:
dir = criar_dir(dir)
self.salvar_resultados_teste(dir, titulo, melhores,
geracoes_finais, Max, Avg, Min,
nao_convergidos)
self.plot(melhores, "Best Individuals - " + titulo, eixo_x_M, eixo_y_M,
self.salvar, dir)
self.plot(geracoes_finais, "Final Generations - " + titulo, eixo_x_G,
eixo_y_G, self.salvar, dir)
return melhores, geracoes_finais, nao_convergidos
# ---------------------------------------------------------------------------------------------------- #
benchmark = Benchmark.schaffer
Basic = Teste(100, GABasico.GAbasico, False)
Basic.config_basico(benchmark=benchmark, max_geracoes=250)
mbi1, mgf1, nc1 = Basic.teste()
Theory = Teste(100, Theory_Of_ChaosGA.chaosGA, False)
Theory.config_chaos(benchmark=benchmark, max_geracoes=250)
mbi2, mgf2, nc2 = Theory.teste()
Trans = Teste(100, TrangenicGA.trangenicGA, False)
Trans.config_trans(benchmark=benchmark, max_geracoes=250)
mbi3, mgf3, nc3 = Trans.teste()
l = ['Basic GA', 'Theory of Chaos GA', 'Transgenic GA']
#mgf = [mgf1, mgf2, mgf3]
mbi = [mbi1, mbi2, mbi3]
#plot(mgf, l, 'Final Generation with ' + Benchmark.info(benchmark)[4], benchmark, 'Execution Number', 'Final Generation', True)
plot(mbi, l, benchmark,
'Best Individuals with ' + Benchmark.info(benchmark)[4],
'Execution Number', 'Best Individuals Fitness', True, (-0.01, 0.1))
salvar_resultados('Melhores Individuos com ' + Benchmark.info(benchmark)[4],
mbi, ['Basic GA', 'Theory of Chaos GA', 'Trangenic GA'],
benchmark)
# -------------------------------------------------------------------------------------------------- #
