def roleta(populacao, p_melhores=30):
n_elementos = int((len(populacao) * p_melhores) / 100)
''' TODO: Lancar uma excecao caso:
se p_melhores > 100
se p_melhores <=0
se n_elementos <= 0
'''
#com os sem sobreposicao na frente
populacao_ordenada = extremo(populacao, len(populacao))
# pesos
pesos = []
for i in range(len(populacao_ordenada)):
pesos.append(randrange(1, 10) * i + 1)
# roleta
selecionados = []
while len(selecionados) < n_elementos:
for i in range(len(populacao_ordenada)):
if pesos[i] == min(pesos):
selecionados.append(populacao_ordenada[i])
pesos[i] = max(pesos)
return selecionados
def arquivar(f, n_evolucao, experimento, score_ini, melhores_evolucao, tempo):
if not os.path.exists(join('dados', str(n_evolucao))): # cria a pasta, se necessario
os.makedirs(join('dados', str(n_evolucao)))
txt = open(join('dados', str(n_evolucao), str(f) + '.txt'), mode='w')
txt.write(experimento+'\n\n')
for score in score_ini:
txt.write(str(score[2])+'\t'+str(score[1])+'\n')
txt.write('\nTempo de execucao:\t' + str(tempo)+'\n')
txt.write('Melhor Cromossomo:\t' + str(extremo(deepcopy(melhores_evolucao), 1)[0].score[2])+'\t'+str(extremo(deepcopy(melhores_evolucao), 1)[0].score[1])+'\n\n')
"""
for cromossomo in melhores_evolucao:
txt.write(str(cromossomo.score[2])+'\t'+str(cromossomo.score[1])+'\n')
log_resultado(f, str(melhores_evolucao.index(cromossomo)), n_evolucao, experimento, cromossomo)
"""
log_resultado(f, 'melhor_resultado', n_evolucao, experimento, extremo(deepcopy(melhores_evolucao), 1)[0])
txt.close
def simulated_annealing(cromossomo, NR, T, mutacao_SA, *args):
#configuração da mutação
_mutacao_SA = mutacao_SA
#print(args)
if _mutacao_SA is janela:
_janela = args[0][0]
_randomizar_janela = args[0][1]
ran = Random()
_NR = NR
_T = T
cromossomo_sa = cromossomo
cromossomo_sa_2 = None
for _ in range(_NR):
#Funcao de visinhanca - Mutacao
if _mutacao_SA is embaralhar:
cromossomo_sa_2 = _mutacao_SA(deepcopy(cromossomo_sa))
elif _mutacao_SA is randomPosition:
cromossomo_sa_2 = _mutacao_SA(deepcopy(cromossomo_sa))
elif _mutacao_SA is centraliza:
cromossomo_sa_2 = _mutacao_SA(deepcopy(cromossomo_sa))
elif _mutacao_SA is troca_temperatura:
cromossomo_sa_2 = _mutacao_SA(deepcopy(cromossomo_sa), _T)
elif _mutacao_SA is colocaFontes:
cromossomo_sa_2 = _mutacao_SA(deepcopy(cromossomo_sa))
elif _mutacao_SA is janela:
popula = []
popula.append(deepcopy(cromossomo_sa))
nova_populacao = []
nova_populacao.extend(_mutacao_SA(popula, _janela, _randomizar_janela, 1)[0])
nova_populacao.extend(_mutacao_SA(popula, _janela, _randomizar_janela+1, 1)[0])
nova_populacao.extend(_mutacao_SA(popula, _janela, _randomizar_janela+2, 1)[0])
nova_populacao.extend(_mutacao_SA(popula, _janela, _randomizar_janela+3, 1)[0])
cromossomo_sa_2 = extremo(deepcopy(popula), 1)[0]
#calculo do delta
cromossomo_sa_2.funcao_avaliacao()
cromossomo_sa.funcao_avaliacao()
deltaE = cromossomo_sa_2.score[0] - cromossomo_sa.score[0]
#decisão de escolha - probabilidade em funcao da temperatura
#print('probabilidade de escolha SA: '+str(math.exp(-deltaE / T)))
if deltaE <= 0 or (cromossomo_sa.score[1] == 1 and cromossomo_sa_2.score[1] == 0):
cromossomo_sa = cromossomo_sa_2
else:
#if ran.random() < (1513096 * (-deltaE / _T) + (1072693248 - 90.253)):77
if ran.random() < math.exp(-deltaE / _T):
cromossomo_sa = cromossomo_sa_2
return cromossomo_sa
def evoluir(self):
self.a = 0
global result_list
historico_populacao = [] # melhor populacao em cada evolucao
historico_populacao.append(self._cromossomo_inicial)
melhor_cromossomo = self._cromossomo_inicial
while self.__condicao_parada(extremo(deepcopy(historico_populacao), 1)[0]):
#print('evol\t' + str(self.a) + ' - ' + self._experimento)
self.a = self.a+1
"""prints de controle
print("evolucao - " + str(self.a) + ' temperatura - ' + str(self._T))
# Debug print ---- Remover apos corrigir os erros
print("Inicio do AG e antes do SA - \n")
print(self._populacao)
print("\n\n")
"""
#-------- Simulated Annealing ---------------#
pool = Pool()
results = []
i = 0
#Dispara as N threads de SA (onde N e o tamanho da populacao)
for cromossomo in self._populacao:
results.append(pool.apply_async(func = simulated_annealing, args = (cromossomo, self._NR, self._T, self._mutacao_SA, self._argumentos)))
i += 1
pool.close()
pool.join()
self._populacao = list(map(lambda x, y: x.get(timeout = y), results, range(self._tam_populacao)))
"""
# Debug print ---- Remover apos corrigir os erros
print("Depois do SA - \n")
print(self._populacao)
print("\n\n")
"""
#-------- Algoritmo genetico -----------------#
for _ in range(self._evolucoesAG):
# execultar o calculo de aptidao / func avaliacao #
for cromossomo in self._populacao:
cromossomo.funcao_avaliacao() # atualiza o score do cromossomo
# selecao #
if self._selecao is extremo:
nova_populacao = self._selecao(deepcopy(self._populacao), self._n_melhores)
elif self._selecao is media:
nova_populacao = self._selecao(deepcopy(self._populacao))
elif self._selecao is roleta:
nova_populacao = self._selecao(deepcopy(self._populacao))
# mutacao #
n_elementos_mutados = self._tam_populacao - len(nova_populacao)
if self._mutacao is embaralhar:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), n_elementos_mutados))
elif self._mutacao is janela:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), self._janela, self._randomizar_janela, n_elementos_mutados))
elif self._mutacao is randomPosition:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), n_elementos_mutados))
elif self._mutacao is trocaFontes:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), n_elementos_mutados))
elif self._mutacao is centraliza:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), n_elementos_mutados))
elif self._mutacao is troca_temperatura:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), self._T, n_elementos_mutados))
elif self._mutacao is colocaFontes:
nova_populacao.extend(self._mutacao(deepcopy(nova_populacao), n_elementos_mutados))
self._populacao = deepcopy(nova_populacao)
"""
# Debug print ---- Remover apos corrigir os erros
print("Final do AG - \n")
print(self._populacao)
print("\n\n")
"""
#print(extremo(deepcopy(self._populacao), 1))
melhor_cromossomo = extremo(deepcopy(self._populacao), 1)[0]
historico_populacao.append(melhor_cromossomo) # vetor com o melhor de cada populacao
self._T = self._T * self._alfa
if self.a % 5 == 0:
desenha_cromossomo("evolucao_" + str(self.a),melhor_cromossomo)
melhor_solucao = extremo(deepcopy(historico_populacao), 1)
if melhor_solucao[0].score[1] == 1:
print("Nenhuma solucao viavel encontrada")
else:
print("Melhor solucao:")
print(melhor_solucao)
#desenha_cromossomo("melhor solucao",melhor_solucao[0])
return historico_populacao
