static void Main(string[] args)
{
int[] permutacao; /* vetor com uma possivel rota de viagem */
Rota[] melhorRota; /* contera' a melhor rota da viagem */
int numCidades, /* numero de vertices (cidades) do grafo */
melhorCusto; /* custo da viagem pelo grafo (pelas cidades) */
CaixeiroViajante caixeiro = new CaixeiroViajante();
Grafo grafo;
numCidades = 5;
caixeiro.montaGrafo(out grafo, numCidades);
permutacao = new int[numCidades];
melhorRota = new Rota[numCidades];
Stopwatch stopwatch = new Stopwatch();
stopwatch.Start(); //Inicia a contagem do tempo
caixeiro.geraEscolheCaminhos(ref permutacao, grafo, melhorRota, out melhorCusto);
stopwatch.Stop(); //Encerra a contagem do tempo
Util.ImprimeMelhorCaminho(melhorCusto, melhorRota);
Util.ImprimeTempo(stopwatch);
Console.ReadKey(true);
}
/// <summary>
/// Gera os possiveis caminhos entre a cidade zero e todas as outras envolvidas
/// na rota da viagem do caixeiro e escolhe a melhor rota entre todas.
/// </summary>
/// <param name="permutacao"></param>
/// <param name="grafo"></param>
/// <param name="melhorRota"></param>
/// <param name="melhorCusto"></param>
public void geraEscolheCaminhos(ref int[] permutacao, Grafo grafo, Rota[] melhorRota, out int melhorCusto)
{
int controle = -1;
melhorCusto = int.MaxValue;
for (int i = 0; i < melhorRota.Length; i++)
{
melhorRota[i] = new Rota();
}
permuta(permutacao, grafo, melhorRota, ref melhorCusto, controle, 1);
}
/// <summary>
/// Este construtor gera uma nova população respeitando os parâmetros informados
/// Cada item individuo da população é um item do tipo Tabela
/// Cada individo tem uma rota aleatória e um total de distância
/// A variável TabelaResultado é uma lista dinâmica do tipo tabela
/// Ao concluir a população A TabelaResultado é ordenada
/// </summary>
public Populacao(int origem, int total, int fator, double coefMutacao)
{
this.GenePrimario = origem;
this.Total = total;
this.FatorCruzamento = fator;
this.CoefMutante = coefMutacao;
for (int i = 0; i < this.Total; i++)
{
int[] rota = Rota.CriaRota(this.GenePrimario, TotalCromossomo, rand.Next(0, this.total));
this.TabelaResultado.Add(new Tabela(Rota.Fitness(this.GenePrimario, rota.ToArray()), rota.ToArray()));
}
TabelaSort();
}
/// <summary>
/// Este método percorre toda a população mexclando cada cromossomo
/// </summary>
public void Crossover()
{
int i = 0;
while (i < this.Total - 1)
{
int[] novaRota1 = new int[TotalCromossomo];
int[] novaRota2 = new int[TotalCromossomo];
novaRota1 = arrayCopy(this.TabelaResultado[i].Rota.ToArray(), this.TabelaResultado[i + 1].Rota.ToArray(), 0, this.FatorCruzamento, this.FatorCruzamento + 1, TotalCromossomo).ToArray();
novaRota2 = arrayCopy(this.TabelaResultado[i + 1].Rota.ToArray(), this.TabelaResultado[i].Rota.ToArray(), 0, this.FatorCruzamento, this.FatorCruzamento + 1, TotalCromossomo).ToArray();
int mutcao1 = rand.Next(0, total);
int mutcao2 = rand.Next(0, total);
novaRota1 = resolveRepetidos(novaRota1.ToArray());
novaRota2 = resolveRepetidos(novaRota2.ToArray());
if (mutcao1 <= (int)(total * this.CoefMutante))
{
novaRota1 = Mutacao(novaRota1.ToArray()).ToArray();
}
if (mutcao2 <= (int)(total * this.CoefMutante))
{
novaRota2 = Mutacao(novaRota2.ToArray()).ToArray();
}
this.TabelaResultado.Add(
new Tabela(Rota.Fitness(this.GenePrimario, novaRota1.ToArray()), novaRota1.ToArray())
);
this.TabelaResultado.Add(
new Tabela(Rota.Fitness(this.GenePrimario, novaRota2.ToArray()), novaRota2.ToArray())
);
i++;
i++;
}
TabelaSort();
}
