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
if __name__ == '__main__':
tipo = "Excel"
#medindo o tempo
ini = time.time()
cromossomo = Cromossomo('0', fontes_iniciais())
#cromossomo = gera_cromossomo_banco()
cromossomo.funcao_avaliacao()
"""<doc>"""
print('Cromossomo original')
print(cromossomo)
desenha_cromossomo('cromossomo_inicial',cromossomo)
"""</doc>"""
if tipo == "Hibrido":
#Hibrido - SA
hibrido = Hibrido()
hibrido.set_Hibrido('teste unico', cromossomo, tam_populacao=100, prob_inicial=0.8, prob_final=0.1, evolucoesH=40, evolucoesAG=50)
hibrido.set_selecao(extremo, 10)
hibrido.set_mutacao(troca_temperatura)
hibrido.set_mutacao_SA(troca_temperatura)
hibrido.evoluir()
elif tipo == "AG":
#AG - Normal
