def cout_h () : #Même fonction que cout_q en remplaçant q par h
q = 5
x=[] #contient les différentes valeurs de h testées
y=[] #contient le temps d'execution associé
for h in range(10,101) : #on enlève les petites valeurs pour ne pas avoir un temps trop petit (et un problème lors du passage au log)
p = Paramètres(q,h,T,m,alpha)
x.append(log(h))
y_moyen = 0
for i in range(30) : #On réalise 100 simulations pour chaque point
t=time()
init_ville(p)
t=time()-t
y_moyen+=t
y.append(log(y_moyen/30))
#Réalisons ensuite une régression linéaire pour trouver a et b tels que log(t) = a*log(h) + b :
regressor = LinearRegression()
X = [[i] for i in x]
regressor.fit(X, y)
a = regressor.coef_[0]
b = regressor.intercept_
r2 = regressor.score(X,y)
y_droite = [a*i + b for i in x]
#On trace ensuite les points obtenus en effectuant les simulations, et la droite obtenue par régression linéaire.
plt.plot(x,y, label = "log(t) en fonction de log(h)")
plt.plot(x,y_droite, label = "log(t)="+str(a)+"log(h)+"+str(b)+", r² ="+str(r2))
plt.title("Temps d'exécution t en fonction du nombre d'emplacements par quartiers h² (90 points créés à partir de 30 simulations chacuns)")
plt.xlabel("log(h)")
plt.ylabel("log(t) (t en secondes)")
plt.legend()
plt.show()
def cout_q () :
h = 20
x=[] #contient les différentes valeurs de h testées
y=[] #contient le temps d'execution associé
for q in range(1,51) :
p = Paramètres(q,h,T,m,alpha)
x.append(log(q))
y_moyen = 0
for i in range(30) : #On réalise 100 simulations pour chaque point
t=time()
init_ville(p)
t=time()-t
y_moyen+=t
y.append(log(y_moyen/30))
#Réalisons ensuite une régression linéaire pour trouver a et b tels que log(t) = a*log(h) + b :
regressor = LinearRegression()
X = [[i] for i in x]
regressor.fit(X, y)
a = regressor.coef_[0]
b = regressor.intercept_
r2 = regressor.score(X,y)
y_droite = [a*i + b for i in x]
#On trace ensuite les points obtenus en effectuant les simulations, et la droite obtenue par régression linéaire.
plt.plot(x,y, label = "log(t) en fonction de log(q)")
plt.plot(x,y_droite, label = "log(t)="+str(a)+"log(q)+"+str(b)+", r² ="+str(r2))
plt.title("Temps d'exécution t en fonction du nombre de quartiers q² (50 points créés à partir de 30 simulations chacuns)")
plt.xlabel("log(q)")
plt.ylabel("log(t) (t en secondes)")
plt.legend()
plt.show()
def simulation(
p, i_max,
nb_graph): #choisis de sorte que i_max divisible par (nb_graph-1)
ville = init_ville(p)
trace_ville(ville, p, 0)
sub_i = i_max // (nb_graph - 1
) # Nombre d'itérations entre chaque graphique
for i in range(1, nb_graph):
for j in range(sub_i):
actualise(ville, p)
trace_ville(ville, p, i)
def test_init_ville(self):
p = Paramètres(2, 3, 1, 0.5, 0.2)
ville = init_ville(p)
n_al = 0 #nombre de personnes altruistes : normalement 3
n_eg = 0 #nombre de personnes égoïstes : normalement 15
for i in range(p.l):
for j in range(p.l):
if ville.ville[i, j] == 1:
n_eg += 1
elif ville.ville[i, j] == 2:
n_al += 1
self.assertEqual([n_eg, n_al], [15, 3])
def test_actualise(self):
p = Paramètres(
4, 5, 100, 0.2,
0.1) #Une grande valeur de T permet d'accélérer les déménagements
ville = init_ville(p)
copie_ville = np.copy(
ville.ville) #list permet de faire une copie indépendante
copie_densites = np.copy(ville.densites)
ville2 = Ville(copie_ville, copie_densites)
test = True
while test: #on réactualise la ville jusqu'à ce qu'un déménagement ait lieu
actualise(ville2, p)
for i in range(p.l):
for j in range(p.l):
if ville.ville[i, j] != ville2.ville[i, j]:
test = False
#A ce stade, test vaut 1 si la ville est inchangée, et 0 sinon
# Vérification de la grille de la ville :
n_al = 0 #nombre de personnes altruistes : normalement 3
n_eg = 0 #nombre de personnes égoïstes : normalement 15
n_change = 0 #nombre de changements entre ville et ville2
for i in range(20):
for j in range(20):
if ville2.ville[i, j] == 1:
n_eg += 1
elif ville2.ville[i, j] == 2:
n_al += 1
if ville.ville[i, j] != ville2.ville[i, j]:
n_change += 1
test = (n_eg == 180) and (n_al == 20) and (
n_change == 2
) #vérifie qu'il y a bien le bon nombre d'individus altruistes et égoistes, et que seules deux cases de la ville ont été modifiées
#Vérification de la matrice des densités :
for i in range(4):
for j in range(4):
d = np.sum(ville2.ville[i * 5:(i + 1) * 5 - 1,
j * 5:(j + 1) * 5 - 1] != 0)
test = (test and ((d / 25) == ville2.densites[i, j])
) #vérifie que les densités sont bonnes
self.assertEqual(test, True)