/// <summary>
/// Konstruktor inicjalizujący parametry algorytmu
/// </summary>
/// <param name="populationSize">Rozmiar populacji</param>
/// <param name="numberOfGenerations">Ilość Generacji</param>
/// <param name="mutationRate">współczynnik mutacji</param>
/// <param name="reproductionRate">Współczynnik reprodukcji</param>
/// <param name="crossoverRate">Współczynnik krzyżowania</param>
/// <param name="genotypeSize">Ilość wymiarów badanej funkcji</param>
/// <param name="tournamentSize">Wielkość turnieju</param>
/// <param name="eliteSize">Wielkość elity</param>
/// <param name="function">Delegat wskazujący na badaną funkcję</param>
public GeneticAlgorithm(int populationSize, int numberOfGenerations, float mutationRate, float reproductionRate, float crossoverRate, int genotypeSize, int tournamentSize, int eliteSize, FunctionToOptimize function)
{
if (function == null) throw new ArgumentNullException("Function can't be null");
if (populationSize % 2 != 0) throw new ArgumentException("population size must be even");
if (eliteSize > populationSize / 2) throw new ArgumentOutOfRangeException("eliteSize is too big. must be less than populationSize/2");
if (mutationRate >= 1.0 || mutationRate <= 0) throw new ArgumentOutOfRangeException("mutationRate must be between 0 and 1");
if (reproductionRate >= 1.0 || reproductionRate <= 0) throw new ArgumentOutOfRangeException("reproductionRate must be between 0 and 1");
if (crossoverRate >= 1.0 || crossoverRate <= 0) throw new ArgumentOutOfRangeException("crossoverRate must be between 0 and 1");
PopulationSize = populationSize;
NumberOfGenerations = numberOfGenerations;
MutationRate = mutationRate;
ReproductionRate = reproductionRate;
CrossoverRate = crossoverRate;
GenotypeSize = genotypeSize;
TournamentSize = tournamentSize;
EliteSize = eliteSize;
EvaluateFunction = function;
//tworzenie nowego generatora pseudolosowego z nowym ziarnem(konstruktor domyślny bierze pod uwagę aktualną datę
random = new Random();
}
public EvolutionStrategy(
int mu,
int lambda,
int numberOfGenerations,
float mutationRate,
float crossoverRate,
int genotypeSize,
FunctionToOptimize function)
{
if (mu % 2 != 0)
{
throw new ArgumentException("Population size must be even!");
}
if (lambda % 2 != 0)
{
throw new ArgumentException("Next population size must be even!");
}
if (mutationRate >= 1.0 || mutationRate <= 0)
{
throw new ArgumentOutOfRangeException("mutationRate must be between 0 and 1");
}
if (crossoverRate >= 1.0 || crossoverRate <= 0)
{
throw new ArgumentOutOfRangeException("crossoverRate must be between 0 and 1");
}
PopulationSize = mu;
LambdaPopulationSize = lambda;
NumberOfGenerations = numberOfGenerations;
MutationRate = mutationRate;
CrossoverRate = crossoverRate;
GenotypeSize = genotypeSize;
EvaluateFunction = function;
Random = new Random();
}
public EvolutionStrategy(
int mu,
int lambda,
int numberOfGenerations,
float mutationRate,
float crossoverRate,
int genotypeSize,
FunctionToOptimize function )
{
if (mu % 2 != 0) throw new ArgumentException("Population size must be even!");
if (lambda % 2 != 0) throw new ArgumentException("Next population size must be even!");
if (mutationRate >= 1.0 || mutationRate <= 0) throw new ArgumentOutOfRangeException("mutationRate must be between 0 and 1");
if (crossoverRate >= 1.0 || crossoverRate <= 0) throw new ArgumentOutOfRangeException("crossoverRate must be between 0 and 1");
PopulationSize = mu;
LambdaPopulationSize = lambda;
NumberOfGenerations = numberOfGenerations;
MutationRate = mutationRate;
CrossoverRate = crossoverRate;
GenotypeSize = genotypeSize;
EvaluateFunction = function;
Random = new Random();
}
static void Main(string[] args)
{
int mu = 70; //liczba osobnikow w populacji P, parametr μ, mu
int lambda = 230; // liczba osobnikow w populacji O, parametr sigma
int generationSize = 250; //liczba mozliwych generacji populacji
int genotypeSize = 2; //rozmiar genotypu, ilość wymiarów funkcji
float mutationRate = 0.8F; //współczynnik mutacji
float crossoverRate = 0.8F; //wspołczynnik krzyżowania
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("#### Optimization of Rosenbrock function. Enjoy! ####");
Console.WriteLine("Please use space between your parameters.");
Console.WriteLine("1. Size of population (μ parameter)");
Console.WriteLine("2. Size of next population (lambda parameter)");
Console.WriteLine("3. Size of generation");
Console.WriteLine("4. Size of genotype");
Console.WriteLine("5. Mutation rate <0,1>");
Console.WriteLine("6. Crossover rate <0,1>");
return;
}
else if (argsCount > 6 || argsCount < 0)
{
Console.WriteLine("Wrong q-ty of given parameters. Type -help to see help msg.");
return;
}
else
{
mu = Convert.ToInt32(args[0]);
lambda = Convert.ToInt32(args[1]);
generationSize = Convert.ToInt32(args[2]);
genotypeSize = Convert.ToInt32(args[3]);
mutationRate = Convert.ToSingle(args[4]);
crossoverRate = Convert.ToSingle(args[5]);
}
}
Console.WriteLine("Start #Rosenbrock function optymalization. Use standard values....");
//zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var BestGenotypes = new List<double>();
Console.WriteLine("Otrzymalem dane: ");
Console.WriteLine("1. Rozmiar pierwszej populacji (mu): " + mu);
Console.WriteLine("2. Rozmiar populacji potomków (sigma): " + lambda);
Console.WriteLine("3. Liczba generacji: " + generationSize);
Console.WriteLine("4. Prawdopodobieństwo mutacji <0,1>: " + mutationRate);
Console.WriteLine("5. Prawdopodobieństwo krzyżowania: " + crossoverRate);
Console.WriteLine("6. Rozmiar genotypu (argumentów funkcji): " + genotypeSize);
var algorithm = new EvolutionStrategy(mu, lambda, generationSize, mutationRate, crossoverRate, genotypeSize, function);
Program.results.WriteLine("Data: {0} Parametry: mu: {1} lambda: {2}", DateTime.Now.ToString("yyyy-MM-dd HH_mm_ss"), mu, lambda);
//wykonanie algorytmu dokladnie 10 razy
for (int i = 1; i <= 10; i++)
{
Console.WriteLine();
Console.WriteLine("Iteracja numer: " + i);
Program.results.WriteLine("Iteracja numer: {0}. Poniżej najlepsze genotypy", i);
algorithm.Run();
Program.results.WriteLine(" BEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
Console.WriteLine("\t\tBEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
BestGenotypes.Add(algorithm.BestGenotype.Min());
}
Program.results.WriteLine("KONIEC: Najgorszy: {0}", BestGenotypes.Max().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Średni: {0}", BestGenotypes.Average().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Najlepszy: {0}", BestGenotypes.Min().ToString("0.000000000"));
//zamkniecie pliku
results.WriteLine();
results.Close();
}
static void Main(string[] args)
{
// domyślne parametry
int populationSize = 100;
int numberOfGenerations = 1000;
float mutationRate = 0.8F;
float reproductionRate = 0.8F;
float crossoverRate = 0.8F;
int genotypeSize = 2;
int tournamentSize = 10;
int eliteSize = 20;
// czytanie parametrów podanych przy wywołaniu
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("Parametry do podania nalezy podawać po kolei oddzielone spacjami");
Console.WriteLine("1. rozmiar populacji integer");
Console.WriteLine("2. ilość generacji integer");
Console.WriteLine("3. prawdopodobieństwo mutacji float np. 0,8");
Console.WriteLine("4. prawdopodobieństwo reprodukcji float");
Console.WriteLine("5. prawdopodobieństwo krzyżowania float");
Console.WriteLine("6. rozmiar genotypu (ilość wymiarów funkcji) integer");
Console.WriteLine("7. Wielkość turnieju integer");
Console.WriteLine("8. Wielkość elity integer");
return;
}
else if (argsCount != 8)
{
Console.WriteLine("nie prawidłowa ilość parametrów. skorzystaj z opcji -help");
return;
}
else
{
populationSize = Convert.ToInt32(args[0]);
numberOfGenerations = Convert.ToInt32(args[1]);
mutationRate = Convert.ToSingle(args[2]);
reproductionRate = Convert.ToSingle(args[3]);
crossoverRate = Convert.ToSingle(args[4]);
genotypeSize = Convert.ToInt32(args[5]);
tournamentSize = Convert.ToInt32(args[6]);
eliteSize = Convert.ToInt32(args[7]);
}
}
// zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var bestGenotypes = new List<Genotype>();
var bestGenotypesGeneration = new List<int>();
// wykonanie algorytmu dziesięciokrotnie
for (int i = 0; i < 10; i++)
{
var algorithm = new GeneticAlgorithm(populationSize, numberOfGenerations, mutationRate, reproductionRate, crossoverRate, genotypeSize, tournamentSize, eliteSize, function);
algorithm.Run();
// zapis najlepszych osobników
bestGenotypes.Add(algorithm.BestGenotype);
bestGenotypesGeneration.Add(algorithm.BestGenotypeGeneration);
}
// zapis do pliku
FileStream fs = new FileStream(DateTime.Now.ToString("HH_mm_ss") + ".csv", FileMode.Create);
StreamWriter sw = new StreamWriter(fs);
Console.SetOut(sw);
Console.WriteLine("Generacja najlepszego Genotypu; Wartość najlepszego Genotypu;");
for (int i = 0; i < 10; i++)
{
Console.WriteLine("{0};{1}", bestGenotypesGeneration[i], bestGenotypes[i].FunctionValue.ToString("0.000000000"));
}
Console.WriteLine("Średnia wartość;Nalepsza wartość;Najgorsza wartość");
Console.WriteLine("{0};{1};{2}", bestGenotypes.Average(g => g.FunctionValue), bestGenotypes.Min(g => g.FunctionValue), bestGenotypes.Max(g => g.FunctionValue));
Console.WriteLine("Średnia ilość epok;Nalepsza ilość epok;Najgorsza ilość epok");
Console.WriteLine("{0};{1};{2}", bestGenotypesGeneration.Average(), bestGenotypesGeneration.Min(), bestGenotypesGeneration.Max());
sw.Flush();
fs.Flush(true);
fs.Close();
}
static void Main(string[] args)
{
int mu = 70; //liczba osobnikow w populacji P, parametr μ, mu
int lambda = 230; // liczba osobnikow w populacji O, parametr sigma
int generationSize = 250; //liczba mozliwych generacji populacji
int genotypeSize = 2; //rozmiar genotypu, ilość wymiarów funkcji
float mutationRate = 0.8F; //współczynnik mutacji
float crossoverRate = 0.8F; //wspołczynnik krzyżowania
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("#### Optimization of Rosenbrock function. Enjoy! ####");
Console.WriteLine("Please use space between your parameters.");
Console.WriteLine("1. Size of population (μ parameter)");
Console.WriteLine("2. Size of next population (lambda parameter)");
Console.WriteLine("3. Size of generation");
Console.WriteLine("4. Size of genotype");
Console.WriteLine("5. Mutation rate <0,1>");
Console.WriteLine("6. Crossover rate <0,1>");
return;
}
else if (argsCount > 6 || argsCount < 0)
{
Console.WriteLine("Wrong q-ty of given parameters. Type -help to see help msg.");
return;
}
else
{
mu = Convert.ToInt32(args[0]);
lambda = Convert.ToInt32(args[1]);
generationSize = Convert.ToInt32(args[2]);
genotypeSize = Convert.ToInt32(args[3]);
mutationRate = Convert.ToSingle(args[4]);
crossoverRate = Convert.ToSingle(args[5]);
}
}
Console.WriteLine("Start #Rosenbrock function optymalization. Use standard values....");
//zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var BestGenotypes = new List <double>();
Console.WriteLine("Otrzymalem dane: ");
Console.WriteLine("1. Rozmiar pierwszej populacji (mu): " + mu);
Console.WriteLine("2. Rozmiar populacji potomków (sigma): " + lambda);
Console.WriteLine("3. Liczba generacji: " + generationSize);
Console.WriteLine("4. Prawdopodobieństwo mutacji <0,1>: " + mutationRate);
Console.WriteLine("5. Prawdopodobieństwo krzyżowania: " + crossoverRate);
Console.WriteLine("6. Rozmiar genotypu (argumentów funkcji): " + genotypeSize);
var algorithm = new EvolutionStrategy(mu, lambda, generationSize, mutationRate, crossoverRate, genotypeSize, function);
Program.results.WriteLine("Data: {0} Parametry: mu: {1} lambda: {2}", DateTime.Now.ToString("yyyy-MM-dd HH_mm_ss"), mu, lambda);
//wykonanie algorytmu dokladnie 10 razy
for (int i = 1; i <= 10; i++)
{
Console.WriteLine();
Console.WriteLine("Iteracja numer: " + i);
Program.results.WriteLine("Iteracja numer: {0}. Poniżej najlepsze genotypy", i);
algorithm.Run();
Program.results.WriteLine(" BEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
Console.WriteLine("\t\tBEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
BestGenotypes.Add(algorithm.BestGenotype.Min());
}
Program.results.WriteLine("KONIEC: Najgorszy: {0}", BestGenotypes.Max().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Średni: {0}", BestGenotypes.Average().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Najlepszy: {0}", BestGenotypes.Min().ToString("0.000000000"));
//zamkniecie pliku
results.WriteLine();
results.Close();
}
