public AnimalData Mate()
{
//krzyzowanie polega na "konkursie" wynialajacym dwoch rodzicow na jednego osobnika potomnego
//osobniki o wiekszym fitness maja wieksza szanse na zostanie wybranym do krzyzowania
//losowana jest wartosc pomiedzy minimalna wartoscia z fitness list a maksymalna wartoscia z fitness list
//losowany index osobnika dopoki wylosowana wczesniej wartosc nie jest mniejsza od wartosci fitness danego indexu
//losowani dwaj rodzice, rozmnazanie jak wczesniej
float crossoverPower = 0.5f;
AnimalData childData = new AnimalData();
int parent1Index = ChooseParent();
float parent1MGene = _currentGeneration[parent1Index].animalData.mGene;
childData.mGene = parent1MGene;
int parent2Index = ChooseParent();
float chance;
int currentIteration = 0;
while (true)
{
parent2Index = ChooseParent();
float parent2MGene = _currentGeneration[parent2Index].animalData.mGene; //jeden z rodzicow przekazuje mGene
currentIteration++;
if (parent1MGene != parent2MGene) //jesli to ten sam index to taki sam mGene, dlatego nie trzeba tego sprawdzac
{
break;
}
else if (currentIteration >= _matingMaxIterations)
{
if (parent1Index != parent2Index)
{
break;
}
}
}
AnimalBrain childBrain = new AnimalBrain();
childBrain.DeepCopyFrom(_currentGeneration[parent1Index].animalData.animalBrain);
childData.partsMass = MixDictionaries <float>(_currentGeneration[parent1Index].animalData.partsMass, _currentGeneration[parent2Index].animalData.partsMass, crossoverPower);
childData.partsScaleMultiplier = MixDictionaries <System.Numerics.Vector3>(_currentGeneration[parent1Index].animalData.partsScaleMultiplier, _currentGeneration[parent2Index].animalData.partsScaleMultiplier, crossoverPower);
childData.targetJointsVelocity = MixDictionaries <System.Numerics.Vector3>(_currentGeneration[parent1Index].animalData.targetJointsVelocity, _currentGeneration[parent2Index].animalData.targetJointsVelocity, crossoverPower);
childData.limbsPositionMultiplier = MixDictionaries <System.Numerics.Vector3>(_currentGeneration[parent1Index].animalData.limbsPositionMultiplier, _currentGeneration[parent2Index].animalData.limbsPositionMultiplier, crossoverPower);
childBrain.mixWeights(_currentGeneration[parent2Index].animalData.animalBrain, crossoverPower);
float mutationRate;
float physicalMutationRate;
if (_ifAdaptive)
{
physicalMutationRate = childData.physicalMutationRate;
mutationRate = childData.weightsMutationRate;
}
else
{
physicalMutationRate = _globalPhyscialMutationRate;
mutationRate = _globalMutationRate;
}
for (int i = 0; i < _numberOfWeightsMutations; i++)
{
chance = Random.Range(0.0f, 1.0f);
if (chance < mutationRate) //obsluga mutacji - mutacja obejmuje zmiane indexu genu z losowym innym genem
{
childBrain.MutateWeights();
}
}
chance = Random.Range(0.0f, 1.0f); //szanse na mutacje wag i mutacje fizycznych wlasciwosci sa inne
if (chance < physicalMutationRate)
{
childData.MutateData();
}
childData.animalBrain = childBrain;
return(childData);
}
