def gen_deter(cls, carte):
"""
Cette méthode ne doit être utilisée qu'a but de test
Elle permet de generer toutes les permutations possibles
depuis un chemin
"""
# Population vide
p = Population(0, 0)
carte = Chemin.from_csv("test_coords.csv")
# Liste de toutes les permutations de la carte
for perm in permutations(carte):
p.individus.append(Chemin.from_array(list(perm)))
p.eval()
return p
def getpopulationInitiale(self):
# Calcul de la taille de la population initiale
nbVilles = len(self.carte.villes)
if(nbVilles > 5):
taillePopInitiale = 150
else:
taillePopInitiale = int(ceil(0.5*factorial(nbVilles)))
# Generation de la population initiale
popInitiale = []
for i in range(0, taillePopInitiale):
chemin = Chemin()
chemin.setChemin(sample(xrange(nbVilles), nbVilles))
popInitiale.append(chemin)
return popInitiale
def getpopulationInitiale(self):
# Calcul de la taille de la population initiale
nbVilles = len(self.carte.villes)
if (nbVilles > 5):
taillePopInitiale = 150
else:
taillePopInitiale = int(ceil(0.5 * factorial(nbVilles)))
# Generation de la population initiale
popInitiale = []
for i in range(0, taillePopInitiale):
chemin = Chemin()
chemin.setChemin(sample(xrange(nbVilles), nbVilles))
popInitiale.append(chemin)
return popInitiale
def test_crossover(self):
c2 = Chemin(len(self.c))
fils = self.c.crossover(c2)
self.assertTrue(True)
for ville in fils:
if ville not in c2 and ville not in self.c:
self.assertTrue(False)
def test_eq(self):
self.assertEqual(
self.c,
Chemin.from_array(
[Ville(1, 2),
Ville(1, 3),
Ville(1, 4),
Ville(1, 5)]))
def __init__(self, nb_individus, nb_villes, csv=None):
"""
Initialise une population de nbIndividus, chemins reliant nbVilles
"""
# Permet de suivre l'évolution
self.generation = 1
self.individus = []
# Pour recuperer la meilleure fitness, on doit être sur
# que le premiere valeur qu'on evalueara sera inférieure
# a meilleurFitness
self.meilleurFitness = inf
# Dictionnaire qui à chaque chemin associe sa longueur
self.cache = {}
# Membre de la population de distance la plus courte, inexistant a
# l'initilisation
self.meilleurChemin = None
# Permet de creer une population vide
if nb_individus == 0:
return
# generation de la population
if csv is not None:
carte = Chemin.from_csv(csv)
else:
# Creation de la carte, qui est un chemin dont l'ordre n'importe
# pas, il sert de base a la
carte = Chemin(nb_villes)
# Melanger la carte
shuffle(carte)
self.individus.append(carte)
# Tant qu'on a pas atteint le nombre d'individus cible
while len(self.individus) < nb_individus:
# On choisit une permutation aléatoire de la carte
perm = Chemin.from_array(sample(carte.liste_villes, len(carte)))
# Si elle n'est pas déjà présente dans la population
# on l'y ajoute.
if perm not in self.individus:
self.individus.append(perm)
# Evaluation de la population
self.eval()
def setUp(self):
self.c = Chemin.from_array(
[Ville(1, 2), Ville(1, 3),
Ville(1, 4), Ville(1, 5)])
def test_from_array(self):
l = [Ville(1, 2), Ville(1, 3), Ville(1, 4), Ville(1, 5)]
ch = Chemin.from_array(l)
self.assertEqual(ch.liste_villes, l)
from Chemin import Chemin
from Ville import Ville
from csv import reader
from math import inf
from itertools import permutations
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation
coords = []
with open('coords.csv', 'r') as f:
r = reader(f)
for x in r:
coords.append(Ville(int(x[0]), int(x[1])))
carte = Chemin.from_array(coords)
chemins = []
score = inf
best = None
def toPlot(c):
x = []
y = []
for coo in c:
x.append(coo.x)
y.append(coo.y)
return x, y
# Generation de tout les chemins possibles
while True:
# Crossover de la population
algo.crossovers(population)
# Mutation de la population
algo.mutation(population, carte)
# Evaluation de la population
algo.evaluation(population)
# Passage a la generation suivante
population = algo.generationSuivante(population, carte)
# Enregistrement des resultats dans un graphe
couleur = "#%06x" % randint(0, 0xFFFFFF)
Chemin.tracerChemins(carte, population, "results/etape" + str(i) + ".png",
couleur)
# Enregistrement des statistiques de la génération pour le graphe final (Moyenne de la longueur réelle des chemins dans la population)
j = 0
result = 0
print "\nETAPE"
for chemin in population:
print chemin.calculDistanceReelle(carte)
result = result + chemin.calculDistanceReelle(carte)
j = j + 1
results.append(result / j)
# Passage à l'étape suivante
i = i + 1
if i > 7:
break
while True:
# Crossover de la population
algo.crossovers(population)
# Mutation de la population
algo.mutation(population, carte)
# Evaluation de la population
algo.evaluation(population)
# Passage a la generation suivante
population = algo.generationSuivante(population, carte)
# Enregistrement des resultats dans un graphe
couleur = "#%06x" % randint(0, 0xFFFFFF)
Chemin.tracerChemins(carte, population, "results/etape" + str(i) + ".png", couleur)
# Enregistrement des statistiques de la génération pour le graphe final (Moyenne de la longueur réelle des chemins dans la population)
j = 0
result = 0
print "\nETAPE"
for chemin in population:
print chemin.calculDistanceReelle(carte)
result = result + chemin.calculDistanceReelle(carte)
j = j + 1
results.append(result / j)
# Passage à l'étape suivante
i = i + 1
if i > 7:
break
