def __init__(self,nbMaxIter,ficEnvt,lCap=[],panne=False):
self.__nbMaxIter = nbMaxIter
self.__envt = readerEnvts(ficEnvt)
self.__lcap = lCap
self.panne = panne
def run(self, prog, gp=None):
"""
prog est un ProgramGenetic
gp est un GeneratePercept optionnel
crée l'aspirateur Aspirateur_PG
ajoute l'information panne à l'aspirateur
met un compteur a 0
détermine quels environnements seront utilisables 0, 1, 2
pour chaque environnement
s'il n'est pas utilisable : continue
creer m = MondeSimulation(aspirateur,1,nbCol)
pour chaque position a tester
compteur = compteur + m.simulation(nbIter,table,position)
renvoyer compteur
renvoie le score total obtenu pour chaque simulation,
on aurait pu prendre non pas le score de la imulation mais
celui de la performance de l'agent ou une combinaison des deux
exemple: alpha perfGlobale + beta getEvaluation()
total_sim = 0 ; total_agent = 0
alpha = .5 ; beta = 1 - alpha
....
for p in _lpos:
total_sim += m.simulation( .... )
total_agent += m.agent.getEvaluation()
...
return alpha * total_sim + beta * total_agent
"""
asp = Aspirateur_PG(prog, gp, self.__lCap)
asp.panne = self.panne
cpt = 0
if len(self.__lCap) == 0:
mondes_ok = (0,2)
else:
mondes_ok = (1,2)
dic=readerEnvts(self.__ficEnvt)
for ligne in dic:
typ = dic[ligne][0]
nbCol = dic[ligne][1]
table = dic[ligne][2]
positions = dic[ligne][3]
if typ in mondes_ok:
m = MondeSimulation(asp, 1, nbCol)
for x in positions:
cpt += m.simulation(self.__nbMaxIter, table, x)
# with open(self.__ficEnvt,'r') as fic:
# for ligne in fic:
# data = ligne.split('')
# teep = data[0]
# if teep in mondes_ok:
# nbCol = data[1]
# objets = [data[2:2+nbCol]]
# positions = [data[2+nbCol:]]
# m = MondeSimulation(asp, 1, nbCol)
# for x in positions:
# cpt += m.simulation(self.__nbMaxIter, objets, x)
return cpt
