/// <summary>
/// Finds Poblacion By Id
/// </summary>
/// <param name="id">Injected <see cref="int"/></param>
/// <returns>Instance of <see cref="Task{Poblacion}"/></returns>
public async Task <Poblacion> FindPoblacionById(int id)
{
Poblacion @poblacion = await Context.Poblacion
.TagWith("FindPoblacionById")
.FirstOrDefaultAsync(x => x.Id == id);
if (@poblacion == null)
{
// Log
string @logData = @poblacion.GetType().Name
+ " with Id "
+ id
+ " was not found at "
+ DateTime.Now.ToShortTimeString();
Logger.WriteGetItemNotFoundLog(@logData);
throw new Exception(@poblacion.GetType().Name
+ " with Id "
+ id
+ " does not exist");
}
return(@poblacion);
}
/// <summary>
/// Updates Poblacion
/// </summary>
/// <param name="viewModel">Injected <see cref="UpdatePoblacion"/></param>
/// <returns>Instance of <see cref="Task{ViewPoblacion}"/></returns>
public async Task <ViewPoblacion> UpdatePoblacion(UpdatePoblacion @viewModel)
{
await CheckName(@viewModel);
Poblacion @poblacion = await FindPoblacionById(@viewModel.Id);
@poblacion.Name = @viewModel.Name;
@poblacion.Provincia = await FindProvinciaById(@viewModel.ProvinciaId);
@poblacion.ImageUri = @viewModel.ImageUri;
try
{
Context.Poblacion.Update(@poblacion);
await Context.SaveChangesAsync();
}
catch (DbUpdateConcurrencyException)
{
await CheckName(@viewModel);
}
// Log
string @logData = @poblacion.GetType().Name
+ " with Id "
+ @poblacion.Id
+ " was modified at "
+ DateTime.Now.ToShortTimeString();
Logger.WriteUpdateItemLog(@logData);
return(Mapper.Map <ViewPoblacion>(@poblacion));
}
/// <summary>
/// Checks Name
/// </summary>
/// <param name="viewModel">Injected <see cref="AddPoblacion"/></param>
/// <returns>Instance of <see cref="Task{Poblacion}"/></returns>
public async Task <Poblacion> CheckName(UpdatePoblacion @viewModel)
{
Poblacion @poblacion = await Context.Poblacion
.AsNoTracking()
.TagWith("CheckName")
.FirstOrDefaultAsync(x => x.Name == @viewModel.Name & x.Id != @viewModel.Id);
if (@poblacion != null)
{
// Log
string @logData = @poblacion.GetType().Name
+ " with Name "
+ @poblacion.Name
+ " was already found at "
+ DateTime.Now.ToShortTimeString();
Logger.WriteGetItemFoundLog(@logData);
throw new Exception(@poblacion.GetType().Name
+ " with Name "
+ @viewModel.Name
+ " already exists");
}
return(@poblacion);
}
public void RecorrerPersonajesConBucleFor()
{
for (int i = 0; i < Poblacion.Count; i++)
{
Personaje elPersonaje = Poblacion[i];
elPersonaje = Poblacion.ElementAt(i);
}
}
protected void poblacion()
{
population = new Poblacion();
for (int j = 0; j < constantes.sizePoblacion; j++)
{
populaPoblacion.Add(population.obtenerPoblacion()[j].obtenerEntero(), population.obtenerPoblacion()[j].obtenerFitness());
}
}
static void Main()
{
string cadOriginal = "Estoy probando un algoritmo genético";
Poblacion objPoblacion = new Poblacion();
int TotalIndividuos = 50;
int TotalCiclos = 10000;
string MejorIndiv = objPoblacion.Proceso(cadOriginal, TotalIndividuos, TotalCiclos);
//Muestra el individuo mejor adaptado
Console.WriteLine(MejorIndiv);
Console.ReadKey();
}
public void AgregarPersonaje(Personaje personaje)
{
/*Personaje[] aux = new Personaje[Poblacion.Length + 1];
*
* for(int i = 0; i < Poblacion.Length; i++)
* {
* aux[i] = Poblacion[i];
* }
*
* aux[aux.Length-1] = personaje;
*
* Poblacion = aux;*/
Poblacion.Add(personaje);
}
public Poblacion CalcularPoblacionInicial(int tamanhoPoblacion, double probabilidadMutacion, List <Rectangulo> listaPiezas, System.Random rnd)
{
// Creo una lista de "tamPoblacion" cromosomas aleatorios.
// El constructor de Cromosoma dentro de la clase Poblacion se encarga de crearlo aleatoriamente
int numGenes = listaPiezas.Count * 2 - 1;
Poblacion poblacion = new Poblacion(1, tamanhoPoblacion, probabilidadMutacion, numGenes, rnd);
// Completar la información de cada cromosoma (posición, fitness) y ordenarlo
foreach (Cromosoma cromosoma in poblacion.ListaCromosomas)
{
CalcularCromosoma(cromosoma, listaPiezas);
}
poblacion.OrdenarPoblacionPorFitness();
return(poblacion);
}
public Cromosomas Ruleta(Poblacion _pop)
{
double numSorteado = (constantes.random.NextDouble() * 100);
Cromosomas cm;
foreach (Cromosomas crom in _pop.obtenerPoblacion())
{
if (numSorteado >= crom.obtenerRangoRuleta()[0] && numSorteado <= crom.obtenerRangoRuleta()[1])
{
return(crom);
}
}
return(null);
}
/// <summary>
/// Updates Arenal Poblacion
/// </summary>
/// <param name="viewModel">Injected <see cref="UpdateArenal"/></param>
/// <param name="entity">Injected <see cref="Arenal"/></param>
public void UpdateArenalPoblacion(UpdateArenal @viewModel, Arenal @entity)
{
@viewModel.PoblacionesId.AsQueryable().ToList().ForEach(async x =>
{
Poblacion @poblacion = await FindPoblacionById(x);
ArenalPoblacion @arenalPoblacion = new()
{
Arenal = @entity,
Poblacion = @poblacion,
};
@entity.ArenalPoblaciones.Add(@arenalPoblacion);
});
}
public void LanzarGeneraciones(ToolStripStatusLabel lbl)
{
if (Poblacion == null)
{
IniciarPoblacion();
}
for (int generacion = 0; generacion < NumGeneraciones; generacion++)
{
Poblacion.RunEpoch();
Resultados.Add(new CocheResultado()
{
BestChromosome = Poblacion.BestChromosome.Clone() as CocheCromosoma, FitnessAvg = Poblacion.FitnessAvg, FitnessMax = Poblacion.FitnessMax
});
lbl.Text = string.Format("Generación {0} de {1}", generacion + 1, NumGeneraciones);
}
}
protected void gvPoblaciones_RowUpdating(object sender, GridViewUpdateEventArgs e)
{
Poblacion p = new Poblacion();
int idMunicipio = int.Parse(ddlFMunicipios.SelectedValue.ToString());
Label txId = (Label)gvPoblaciones.Rows[e.RowIndex].FindControl("lbEditClave");
TextBox txNombre = (TextBox)gvPoblaciones.Rows[e.RowIndex].FindControl("txEditNombre");
TextBox txtAmbito = (TextBox)gvPoblaciones.Rows[e.RowIndex].FindControl("txEditAmbito");
String Resultado = p.Actualizar(int.Parse(txId.Text), idMunicipio, txNombre.Text.ToUpper(), txtAmbito.Text.ToUpper());
gvPoblaciones.EditIndex = -1;
gvPoblaciones.DataSource = main.Poblaciones.CatalogoPorMunicipio(idMunicipio);
gvPoblaciones.DataBind();
if (Resultado.Equals("OK"))
{
ScriptManager.RegisterClientScriptBlock(this, this.GetType(), "alertMessage", "alert('Datos actualizados Correctamente')", true);
}
}
protected void gvPoblaciones_RowCommand(object sender, GridViewCommandEventArgs e)
{
if (e.CommandName.Equals("AGREGAR"))
{
Poblacion p = new Poblacion();
int idMunicipio = int.Parse(ddlFMunicipios.SelectedValue.ToString());
TextBox txtNombrePob = (TextBox)gvPoblaciones.FooterRow.FindControl("txNombrePoblacion");
TextBox txtAmbito = (TextBox)gvPoblaciones.FooterRow.FindControl("txAmbito");
String Resultado = p.GuardarNuevo(idMunicipio, txtNombrePob.Text.ToUpper(), txtAmbito.Text.ToUpper());
gvPoblaciones.DataSource = main.Poblaciones.CatalogoPorMunicipio(idMunicipio);
gvPoblaciones.DataBind();
if (Resultado.Equals("OK"))
{
ScriptManager.RegisterClientScriptBlock(this, this.GetType(), "alertMessage", "alert('Datos agregados Correctamente')", true);
}
}
}
public Poblacion CalcularSiguienteGeneracion(Poblacion actualPoblacion, int cantElitismo, double probabilidadMutacion, int tamanhoPoblacion, System.Random rnd)
{
// Creo una poblacion vacia
Poblacion nuevaPoblacion = new Poblacion(actualPoblacion.Generacion + 1, tamanhoPoblacion, probabilidadMutacion);
// Elitismo: Guardo los mejores cromosomas de la población actual
for (int i = 0; i < cantElitismo; ++i)
{
nuevaPoblacion.ListaCromosomas.Add(actualPoblacion.ListaCromosomas[i]);
}
// Calculo el fitness de la poblacion actual (para ayudar al método de selección)
double sumaDelFitness = actualPoblacion.CalcularFitness();
while (nuevaPoblacion.ListaCromosomas.Count < tamanhoPoblacion)
{
// Seleccionar 2 progenitores con el Método de la ruleta
List <Cromosoma> listaProgenitores = SeleccionarProgenitores(sumaDelFitness, actualPoblacion, rnd);
// Una vez que tengamos ambos progenitores seleccionados, los cruzamos, obtenemos dos descendientes y los agregamos a la población
List <Cromosoma> listaDescendientes = Cruce(listaProgenitores[0], listaProgenitores[1], rnd);
// Agrego los hijos a la poblacion que se está creando
nuevaPoblacion.ListaCromosomas.Add(listaDescendientes[0]);
nuevaPoblacion.ListaCromosomas.Add(listaDescendientes[1]);
}
// Mutacion. No olvidarse que esto no afecta a los mejores individuos
for (int i = cantElitismo + 1; i < nuevaPoblacion.ListaCromosomas.Count; ++i)
{
if (rnd.NextDouble() < probabilidadMutacion)
{
while (!Mutacion(nuevaPoblacion.ListaCromosomas[i], rnd))
{
;
}
}
}
return(nuevaPoblacion);
}
public AlgoritmoGenetico(int numMaxGeneraciones, List <Rectangulo> listaPiezas, double probabilidadMutacion,
int tamanhoPoblacion, double pesoFactorMinimizacion, double pesoFactorCuadratura,
int cantElitismo, List <Stock> listaStocks, BackgroundWorker worker)
{
// Iniciar parámetros del algoritmo
System.Random rnd = new System.Random();
this.worker = worker;
this.pesoFactorMinimizacion = pesoFactorMinimizacion;
this.pesoFactorCuadratura = pesoFactorCuadratura;
this.listaStocks = listaStocks;
// Crear la poblacion inicial
Poblacion poblacion = CalcularPoblacionInicial(tamanhoPoblacion, probabilidadMutacion, listaPiezas, rnd);
this.mejorCromosoma = poblacion.ListaCromosomas[0];
// Calcular hasta un maximo de generaciones (o agregar condicion de parada de Nilton)
for (int i = 0; i < numMaxGeneraciones; ++i)
{
// Calculo la nueva poblacion a partir de la anterior
poblacion = CalcularSiguienteGeneracion(poblacion, cantElitismo, probabilidadMutacion, tamanhoPoblacion, rnd);
// Luego, calculo sus posiciones y area. Esto es netamente cálculo, nada del algoritmo u aleatorio
foreach (Cromosoma cromosoma in poblacion.ListaCromosomas)
{
CalcularCromosoma(cromosoma, listaPiezas);
}
poblacion.OrdenarPoblacionPorFitness();
// Codigo para indicar el porcentaje de avance en la barra de cargando
int progreso = (int)(i * 1.0 / (numMaxGeneraciones - 1) * 100);
worker.ReportProgress(progreso);
}
this.mejorCromosoma = poblacion.ListaCromosomas[0];
//List<String> listaDebug = new List<string>() { "2R", "3R", "6R", "H", "H", "1N", "4N", "10R", "9R", "V", "8N", "H", "5N", "7N", "H", "V", "V", "V", "H" };
//List<String> listaDebug = new List<string>() { "4N", "6N", "V", "2N", "V", "3N", "V", "1R", "9R", "7R", "H", "10R", "H", "5N", "V", "8N", "V", "H", "H" };
//List<String> listaDebug = new List<string>() { "8R", "2R", "H", "4N", "V", "10R", "5N", "H", "7N", "6N", "H", "9N", "1N", "3N", "V", "H", "V", "V", "V" };
//this.mejorCromosoma = CrearCromosoma(listaDebug, listaPiezas);
}
public Poblacion exeAG(Poblacion _pob)
{
Poblacion nuevaPoblacion = new Poblacion();
List <Cromosomas> popBuffer = new List <Cromosomas>();
for (int i = 0; i < (constantes.sizePoblacion / 2); i++)
{
/* seleccionamos el cromosoma */
Cromosomas pai = Ruleta(_pob);
Cromosomas mae = Ruleta(_pob);
/* se realiza el cruzamiento*/
Cromosomas[] cross = Crossover(pai, mae);
/*Mutacion*/
Cromosomas crossA = Mutacion(cross[0]);
Cromosomas crossB = Mutacion(cross[1]);
popBuffer.Add(crossA);
popBuffer.Add(crossB);
}
/* Eliminar cromosomas antiguos e
* Insertar los nuevos
*/
for (int x = 0; x < constantes.sizePoblacion; x++)
{
nuevaPoblacion.cromosomas(x, popBuffer[x]);
}
popBuffer = null;
nuevaPoblacion.actualizarValores();
return(nuevaPoblacion);
}
/// <summary>
///
/// Se ejecuta la funcion donde se pasa el inventario
/// de productos como parámetro, tambien las generaciones
/// que se quieren iterar, ademas de la cantidad de
/// poblacion por generacion, la Probabilidad de mutación
/// y finalmente el porcentaje de Elitismo en la poblacion.
///
/// </summary>
/// <param name="Productos"></param>
/// <param name="generaciones"></param>
/// <param name="individuos"></param>
/// <param name="probMutacion"></param>
/// <param name="porcElitismo"></param>
/// <returns></returns>
public static Poblacion Calcular(List <ProductoGen> Productos, int generaciones, int individuos, double probMutacion, double porcElitismo)
{
int n = Productos.Count; //Se obtiene la cantidad de productos de la lista
double Nelite = Math.Ceiling((individuos * porcElitismo) / 100.0); //se calcula el numero de individuos
//que se considerarán para el elitismo
List <int> T = Tgenerar(Productos); //Se obtiene el arreglo del valor de utilidad que generan los productos
int[] HQ = HQgenerate(Productos); //Se obtiene el arreglo de cantidad de veces vendidas
int cromTam = T.Count; //Tamaño del cromosoma
double Cmut = (HQ.Average() * n) / getPatron(n);
int[,] PopIni = getPoblInic(new int[individuos, Productos.Count], individuos, cromTam, Cmut); //Se genera la
//poblacion inicial
int[,] PopOld = PopIni; // Se guarda la poblacion inicial como antigua
int[] fitness = fitnes(PopOld, T); // Se calcula el fitnes
var generacion = 0; // Contador de generaciones
Poblacion final = new Poblacion(); //poblacion que será retornada
while (generacion < generaciones) // Mientras no se llegue a la generación final
{
List <int[]> NewPob = new List <int[]>(); //Nueva poblacion
cruce(PopOld, NewPob, fitness, individuos, Nelite, cromTam); //funcion cruce
mutacion(PopOld, NewPob, probMutacion, Cmut, individuos, cromTam); //funcion mutación
int[,] aux = convertMatrix(NewPob);
int[] fit = fitnes(PopOld, T); // Se calcula el fitnes de la poblacion antigua
List <Poblacion> pNew = new List <Poblacion>();
pNew = getPoblacion(Productos, aux, fit);
pNew.Sort((x, y) => x.fitness.CompareTo(y.fitness)); //ordena la poblacion por el mejor fitness
PopOld = aux;
generacion++;
if (generacion == generaciones) //generacion que retorna
{
final = pNew[0];
}
}
return(final);
}
public List <Cromosoma> SeleccionarProgenitores(double sumaDelFitness, Poblacion actualPoblacion, System.Random rnd)
{
List <Cromosoma> listaProgenitores = new List <Cromosoma>();
// Generar un número aleatorio en el intervalo [0, SumaFitness]
double random = Utilitarios.ObtenerAleatorioEntre(0, sumaDelFitness, rnd);
double s = 0;
// Recorre todas las poblaciones cuya suma de fitness sea [0 - suma_fitness].
// Cuando la suma sea mayor que random, para y devuelve el cromosoma donde estas
foreach (Cromosoma cromosoma in actualPoblacion.ListaCromosomas)
{
s += cromosoma.Fitness;
if (s > random)
{
listaProgenitores.Add(cromosoma); // progenitor 1
break;
}
}
// Hacer lo mismo para el progenitor2
random = Utilitarios.ObtenerAleatorioEntre(0, sumaDelFitness, rnd);
s = 0;
// Anda a través de todas las poblaciones cuya suma de fitness sea [0 - suma_fitness].
// Cuando la suma sea mayor que random, para y devuelve el cromosoma donde estas
foreach (Cromosoma cromosoma in actualPoblacion.ListaCromosomas)
{
s += cromosoma.Fitness;
if (s > random)
{
listaProgenitores.Add(cromosoma); // progenitor 2
break;
}
}
return(listaProgenitores);
}
/// <summary>
/// Removes Poblacion By Id
/// </summary>
/// <param name="id">Injected <see cref="int"/></param>
/// <returns>Instance of <see cref="Task"/></returns>
public async Task RemovePoblacionById(int @id)
{
try
{
Poblacion @poblacion = await FindPoblacionById(@id);
Context.Poblacion.Remove(@poblacion);
await Context.SaveChangesAsync();
// Log
string @logData = @poblacion.GetType().Name
+ " with Id "
+ @poblacion.Id
+ " was removed at "
+ DateTime.Now.ToShortTimeString();
Logger.WriteDeleteItemLog(@logData);
}
catch (DbUpdateConcurrencyException)
{
await FindPoblacionById(@id);
}
}
public void AgregarPersonaje(List <Personaje> personajes)
{
Poblacion.AddRange(personajes);
}
void Awake()
{
PeopleEnemy = new ListEnemy();
foo = new Poblacion();
}
private void _btnAG_Click(object sender, EventArgs e)
{
/* Inicia el proceso de generacion de la poblacion */
poblacion();
double _PM = Convert.ToDouble(_txtPM.Text);
double _PC = Convert.ToDouble(_txtPC.Text);
int iterevol = Convert.ToInt32(_txtEvol.Text);
Console.Write(_PM.ToString() + "\n");
Console.Write(_PC.ToString() + "\n");
Console.Write(iterevol.ToString() + "\n");
algortimoGenetico AG = new algortimoGenetico(_PC, _PM);
//Establecemos las propiedades del ListView
listView1.View = View.Details;
listView1.GridLines = true;
listView1.FullRowSelect = true;
//Añadimos las columnas al ListView
listView1.Columns.Add("Numero", 500);
listView1.Columns.Add("Fitness", 70);
//Añadimos los elementos (filas) al ListView
string[] elementosFila = new string[2];
ListViewItem elementoListView;
for (int i = 0; i < iterevol; i++)
{
population = AG.exeAG(population);
populaPoblacion = new PointPairList();
for (int j = 0; j < constantes.sizePoblacion; j++)
{
populaPoblacion.Add(population.obtenerPoblacion()[j].obtenerEntero(), population.obtenerPoblacion()[j].obtenerFitness());
}
}
population.ordenarPoblacion();
string badcromosomas = string.Empty;
for (int i = 0; i < 10; i++)
{
badcromosomas += population.obtenerPoblacion()[i].mostrarCromosomas() + "\n";
}
string bestcromosomas = string.Empty;
for (int j = constantes.sizePoblacion - 1; j > (constantes.sizePoblacion - 1) - 10; j--)
{
bestcromosomas += population.obtenerPoblacion()[j].mostrarCromosomas() + "\n";
}
_txtBestCrom.Text = bestcromosomas;
_txtWorstCrom.Text = badcromosomas;
}
public void Reiniciar()
{
Poblacion.Clear();
Estado = EstadoJuego.Iniciado;
}
