private void GenerateGraph(object sender, RoutedEventArgs e)
{
Start.IsEnabled = true;
//Generujemy basic graf, który później nie będzie już zupełnie modyfikowany
GraphGenerationMethods graphGenerator = new GraphGenerationMethods(_parameters);
graphGenerator.GenerateBasicGraph();
//Reset pareto, triangulation graph
ParetoChart.ResetAll();
_parameters.TriangulationOfGraph = new Graph(true);
ResetZoomControl(BasicGraphZoomControl);
}
private void worker_DoWork(object sender, DoWorkEventArgs e)
{
for (int i = 0; i < Pop_Size; i++)
{
Thread.Sleep((int)(Sleeper * 100));
_parameters.ListOfPoints.Add(new ObservablePoint(trandom.NextDouble(F1LeftConstraint, F1RightConstraint),
trandom.NextDouble(F2LeftConstraint, F2RightConstraint)
));
DomainChart.EditBSeriesCollection(_parameters.ListOfPoints);
}
while (_parameters.IterationNumber < _parameters.IterationLimit && !_Stop)
{
// inicjalizacja tablic
InitializePopulation(ref PopulationAfterSelection, Pop_Size / 2);
InitializePopulation(ref PopulationAfterMutation, Pop_Size / 2);
InitializePopulation(ref PopulationAfterCrossing, Pop_Size / 4);
InitializePopulation(ref PopulationFunctionValue, Pop_Size);
InitializePopulation(ref PopulationFunctionValueAfterSelection, Pop_Size / 2);
InitializePopulation(ref PopulationFunctionValueAfterCrossing, Pop_Size / 4);
// czas na obserwacje popsize'a i wykresu wartosci funkcji
// wszystkie operacje wykonujemy na tablicy znajdujacej sie w Parameters public double[][][] Population; // [2][popsize][popsize]
FillRandomValues(ref Population);
// operacja selekcji
// 2 warianty i tutaj trzeba zrobic ze na zasadzie losowej jest wybierana metoda selekcji
// selekcja turniejowa --> losujemy 2 punkty z populacji i wygrywa lepszy (o mniejszej wartosci),
// dzielimy popsize na 2 rowne zbiory i jeden zbior jest porownywany wzgledem f1 a drugi wzgledem f2
Selection(Population, ref PopulationAfterSelection);
// parametr, aby w nastepnej iteracji uzupelnic brakujace osobniki w populacji
refill = true;
Function2ValueCountForAllPopulation(PopulationAfterSelection, ref PopulationFunctionValueAfterSelection);
// selekcja ruletkowa --> obliczamy fitness, jaki to jest procent z calosci dla danego osobnika, obliczamy dystrybuante,
// generujemy liczby losowe i szeregujemy okreslajac ktore elementy maja przetrwac
// mozna tutaj juz wrzucic te osobniki na wykres dziedziny
_parameters.RewriteThePoints(PopulationAfterSelection);
DomainChart.EditASeriesCollection(_parameters.ListOfPoints);
CheckDomain(ref PopulationOutsideTheDomain, PopulationAfterSelection);
_parameters.RewriteThePoints(PopulationOutsideTheDomain);
DomainChart.SetPointsOutsideTheDomain(_parameters.ListOfPoints);
_parameters.RewriteThePoints(PopulationFunctionValueAfterSelection);
ParetoChart.EditSeriesCollection(_parameters.ListOfPoints);
ParetoChart.MakeParetoFunctions(FindMinAndMax(PopulationFunctionValueAfterSelection));
CheckParetoDomain(ref PopulationOutsideTheDomain, PopulationFunctionValueAfterSelection);
_parameters.RewriteThePoints(PopulationOutsideTheDomain);
ParetoChart.SetPointsOutsideTheDomain(_parameters.ListOfPoints);
MainChart.EditSeriesCollection(PopulationFunctionValueAfterSelection, _parameters.IterationNumber);
// operacja
Mutation(PopulationAfterSelection, ref PopulationAfterMutation);
// losujemy ktore punkty zostana poddane mutacji (sprawdzamy wszystkie pod wzgledem prawdopodobienstwa) (prawdopodobienstwo mutacji dla kazdego osobnika)
// jezeli wylosowano osobnika to losujemy kat oraz dlugosc wektora
// sprawdzamy czy zmutowany osobnik znajduje sie w dziedzinie
// jezeli nie wykorzystujemy funkcje kary aby zwiekszyc wartosc osobnika
// mozna tutaj juz wrzucic te osobniki na wykres dziedziny
// operacja krzyzowania
// to jest chyba najtrudniejsza operacja, duzo pierdolenia z przeksztalceniami
// ogolnie to staramy sie tak skrzyzowac aby np calkowicie odbic jeden punkt
// do dyskusji jak to robimy
Crossing(PopulationAfterMutation, ref PopulationAfterCrossing);
// mozna tutaj juz wrzucic te osobniki na wykres dziedziny
// obliczenie minimum
SearchForMinValue(PopulationFunctionValueAfterSelection, ref MinF1, ref MinF2);
_parameters.Minimum = $"{{{Math.Round(MinF1,2)};{Math.Round(MinF2,2)}}}";
// przepisywanie tablicy PopulationAfterCrossing do Population
Array.Clear(Population, 0, Population.Length);
Array.Copy(PopulationAfterCrossing, Population, PopulationAfterCrossing.Length);
// przepisywanie tablicy PopulationFunctionValueAfterCrossing do PopulationFunctionValue
Array.Clear(PopulationFunctionValue, 0, PopulationFunctionValue.Length);
Array.Copy(PopulationFunctionValueAfterCrossing, PopulationFunctionValue, PopulationFunctionValueAfterCrossing.Length);
// czyszczenie tablic
Array.Clear(PopulationAfterSelection, 0, PopulationAfterSelection.Length);
Array.Clear(PopulationAfterMutation, 0, PopulationAfterMutation.Length);
Array.Clear(PopulationAfterCrossing, 0, PopulationAfterCrossing.Length);
Array.Clear(PopulationFunctionValueAfterSelection, 0, PopulationFunctionValueAfterSelection.Length);
Array.Clear(PopulationFunctionValueAfterCrossing, 0, PopulationFunctionValueAfterCrossing.Length);
// finalne utworzenie wykresu dziedziny oraz pareto frontu a takze wykresu wartosci poszczegolnych funkcji
// jezeli przez 5 iteracji nie ma poprawy minimum zatrzymujemy algorytm
// musimy obliczyc jeszcze to spierdolone odchylenie
// suma po wszystkich punktach w populacji (od i do licznosci pareto frontu) |f(f1) - f2|
_parameters.IterationNumber++;
e.Cancel = true;
Thread.Sleep(4000);
}
}
