public GenotipoRN[] mutazione(GenotipoRN genotipo, int num)
{
GenotipoRN[] r = new GenotipoRN[num];
Random generatoreCasuale = new Random();
int numero;
for (int i = 0; i < num; i++)
{
numero = generatoreCasuale.Next(100);
if (numero < 3)
r[i] = mutazioneAggiungiNeurone(genotipo);
else if (numero < 8)
r[i] = mutazioneAggiungiAssone(genotipo);
else if (numero < 88)
{
numero = generatoreCasuale.Next(100);
if (numero < 90)
r[i] = mutazioneModificaPesoUniformemente(genotipo);
else
r[i] = mutazioneModificaPesoRadicalmente(genotipo);
}
genotipi.Add(r[i]);
}
return r;
}
public GestoreRN_NEAT(int input, int output, int perceptronNumber=1)
{
contGenotipo = -1;
contNeuroni = 0;
contAssoni = 0;
genotipi = new SortedSet<GenotipoRN>();
population = new List<GenotipoRN>();
futurePopulation = new List<GenotipoRN>();
speciesManager = new SpeciesManager(this);
perceptron=generaPerceptron(input, output);
for (int i = 0; i < perceptronNumber;i++)
{
speciesManager.addGenotipo(mutazioneModificaPesoRadicalmenteTuttiAssoni(getPerceptron()));
}
population = speciesManager.GetListGenotipo();
}
public Evolution(Cart cart)
{
this.cart = cart;
evolutionManager = new GestoreRN_NEAT(5, 1, Const.INITIAL_POPULATION);
int j=0;
vectorGenotipo=new GenotipoRN[evolutionManager.population.Count];
foreach (GenotipoRN g in evolutionManager.population)
{
vectorGenotipo[j] = g;
j++;
}
ReadyFenotipo += new SetFenotipo(cart.SetFenotipo);
cart.ReturnFitnessEvent += new Cart.ReturnFitness(finishedSimulation);
genotipoInTest = evolutionManager.GetGenotipo();
ReadyFenotipo(new FenotipoRN(genotipoInTest));
}
public FenotipoRN(GenotipoRN genotipo)
{
neuroni = new SortedList<int,NeuroneF>();
neuroniA = new List<NeuroneF>();
neuroniS = new List<NeuroneF>();
foreach(KeyValuePair<int, GenotipoRN.NeuroneG> k_val in genotipo.neuroni)
{
NeuroneF nuovo = new NeuroneF(k_val.Value);
neuroni.Add(k_val.Key, nuovo);
}
foreach (GenotipoRN.NeuroneG neurone in genotipo.neuroniInput)
neuroniS.Add(neuroni[neurone.neatID]);
foreach (GenotipoRN.NeuroneG neurone in genotipo.neuroniOutput)
neuroniA.Add(neuroni[neurone.neatID]);
foreach (KeyValuePair<int, GenotipoRN.AssoneG> k_val_assone in genotipo.assoni)
if(k_val_assone.Value.attivo)
neuroni[k_val_assone.Value.input].addAssone(k_val_assone.Value, neuroni);
NEAT_numID = 0;
}
private GenotipoRN mutazioneModificaPesoRadicalmente(GenotipoRN genotipo)
{
GenotipoRN g = new GenotipoRN(genotipo);
Random generatoreCasuale = new Random();
int num = generatoreCasuale.Next(g.assoni.Count);
GenotipoRN.AssoneG assoneCorrente = g.assoni[g.assoni.Keys[num]];
assoneCorrente.modPeso(1-2*generatoreCasuale.NextDouble());
g.assoni[g.assoni.Keys[num]] = assoneCorrente;
return g;
}
private GenotipoRN generaPerceptron(int input, int output)
{
Random generatoreCasuale = new Random();
GenotipoRN p = new GenotipoRN();
p.t = 0;
for (int i = 0; i < input; i++)
p.addNeuroneInput(new GenotipoRN.NeuroneG(contNeuroni++, TipoNeurone.NSensor));
for (int i = 0; i < output; i++)
p.addNeuroneOutput(new GenotipoRN.NeuroneG(contNeuroni++, TipoNeurone.NActuator));
for(int i = 0; i < input; i++)
for (int j = 0; j < output; j++)
{
double peso = generatoreCasuale.NextDouble();
p.addAssone(new GenotipoRN.AssoneG(contAssoni, i, j+input, 1 - 2 * peso));
contAssoni++;
}
genotipi.Add(p);
return p;
}
public GenotipoRN mutazioneModificaPesoUniformemente(GenotipoRN genotipo)
{
GenotipoRN g = new GenotipoRN(genotipo);
Random generatoreCasuale = new Random();
int num = generatoreCasuale.Next(g.assoni.Count);
GenotipoRN.AssoneG assoneCorrente = g.assoni[g.assoni.Keys[num]];
assoneCorrente.modPeso(Utilita.pesoUniforme);
g.assoni[g.assoni.Keys[num]] = assoneCorrente;
return g;
}
public GenotipoRN mutazioneAggiungiNeurone(GenotipoRN genotipo)
{
GenotipoRN g = new GenotipoRN(genotipo);
Random generatoreCasuale = new Random();
int num = generatoreCasuale.Next(g.assoni.Count);
GenotipoRN.AssoneG assoneCorrente = g.assoni[g.assoni.Keys[num]];
assoneCorrente.attivo = false;
g.assoni[g.assoni.Keys[num]] = assoneCorrente;
g.addNeurone(new GenotipoRN.NeuroneG(contNeuroni, TipoNeurone.NHide));
g.addAssone(new GenotipoRN.AssoneG(contAssoni, g.assoni[g.assoni.Keys[num]].input, contNeuroni, 1));
contAssoni++;
g.addAssone(new GenotipoRN.AssoneG(contAssoni, contNeuroni, g.assoni[g.assoni.Keys[num]].output, g.assoni[g.assoni.Keys[num]].peso));
contAssoni++;
contNeuroni++;
return g;
}
static void Main(string[] args)
{
GenotipoRN gen1, gen2;
GestoreRN_NEAT gestore = new GestoreRN_NEAT(3, 2);
ClientNEAT client;
gen1 = new GenotipoRN();
gen1.addNeuroneInput(new GenotipoRN.NeuroneG(1, TipoNeurone.NSensor));
gen1.addNeuroneInput(new GenotipoRN.NeuroneG(2, TipoNeurone.NSensor));
gen1.addNeuroneInput(new GenotipoRN.NeuroneG(3, TipoNeurone.NSensor));
gen1.addNeuroneOutput(new GenotipoRN.NeuroneG(4, TipoNeurone.NActuator));
gen1.addNeuroneOutput(new GenotipoRN.NeuroneG(5, TipoNeurone.NActuator));
gen1.addNeurone(new GenotipoRN.NeuroneG(6, TipoNeurone.NHide));
gen1.addAssone(new GenotipoRN.AssoneG(1, 1, 4, 1));
gen1.addAssone(new GenotipoRN.AssoneG(2, 2, 6, 1));
gen1.addAssone(new GenotipoRN.AssoneG(3, 6, 4, 1));
gen1.addAssone(new GenotipoRN.AssoneG(4, 2, 5, 1));
gen1.addAssone(new GenotipoRN.AssoneG(5, 3, 5, 1));
gen2 = new GenotipoRN();
gen2.addNeuroneInput(new GenotipoRN.NeuroneG(1, TipoNeurone.NSensor));
gen2.addNeuroneInput(new GenotipoRN.NeuroneG(2, TipoNeurone.NSensor));
gen2.addNeuroneInput(new GenotipoRN.NeuroneG(3, TipoNeurone.NSensor));
gen2.addNeuroneOutput(new GenotipoRN.NeuroneG(4, TipoNeurone.NActuator));
gen2.addNeuroneOutput(new GenotipoRN.NeuroneG(5, TipoNeurone.NActuator));
gen2.addNeurone(new GenotipoRN.NeuroneG(7, TipoNeurone.NHide));
gen2.addNeurone(new GenotipoRN.NeuroneG(6, TipoNeurone.NHide));
gen2.addAssone(new GenotipoRN.AssoneG(1, 1, 4, -1));
gen2.addAssone(new GenotipoRN.AssoneG(2, 2, 6, -1));
gen2.addAssone(new GenotipoRN.AssoneG(4, 2, 5, -1));
gen2.addAssone(new GenotipoRN.AssoneG(5, 3, 5, -1));
gen2.addAssone(new GenotipoRN.AssoneG(6, 3, 7, -1));
gen2.addAssone(new GenotipoRN.AssoneG(7, 6, 5, -1));
gen2.addAssone(new GenotipoRN.AssoneG(8, 7, 5, -1));
//GenotipoRN gen_tmp1 = gestore.getPerceptron();
//gen1 = gestore.mutazioneAggiungiNeurone(gen_tmp1);
//GenotipoRN gen_tmp2 = gestore.mutazioneAggiungiNeurone(gen_tmp1);
//GenotipoRN gen_tmp3 = gestore.mutazioneModificaPesoUniformemente(gen_tmp2);
//gen2 = gestore.mutazioneAggiungiNeurone(gen_tmp3);
double d = AlgGenRN.distanza(gen1, gen2);
GenotipoRN gen3 = new GenotipoRN(gen1, 1, gen2, 2);
client = new ClientNEAT("127.0.0.1", 13001);
if (client.connect())
{
client.writeConsole("Client connesso\n");
client.writeConsole("Premi un tasto per inviare il genitore 1");
Console.ReadKey();
client.send("IRN");
gen1.sendNetwork(client.getStream());
client.receive();
client.writeConsole("Premi un tasto per inviare il genitore 2");
Console.ReadKey();
client.send("IRN");
gen2.sendNetwork(client.getStream());
client.receive();
Console.WriteLine("Distanza tra le reti: " + AlgGenRN.distanza(gen1, gen2));
client.writeConsole("Premi un tasto per inviare il figlio");
Console.ReadKey();
client.send("IRN");
gen3.sendNetwork(client.getStream());
client.receive();
client.writeConsole("Premi un tasto per uscire");
Console.ReadKey();
client.disconnect();
}
else
{
client.writeConsole("Errore di connessione\n");
Console.ReadKey();
}
}
private void finishedSimulation(int fitness)
{
genotipoInTest.Fitness = fitness;
genotipoInTest = evolutionManager.GetGenotipo();
ReadyFenotipo(new FenotipoRN(genotipoInTest));
}
private void ServerMethod()
{
TcpListener server = null;
NetworkStream stream = null;
TcpClient client = null;
Int32 port = 13001, i;
IPAddress localAddr = IPAddress.Parse("127.0.0.1");
bool fine = false;
Byte[] bytes = new Byte[256];
String data = null;
//Thread trdBB;
server = new TcpListener(localAddr, port);
server.Start();
while (true)
{
fine = false;
client = server.AcceptTcpClient();
stream = client.GetStream();
while (!fine)
if ((i = stream.Read(bytes, 0, bytes.Length)) != 0) //legge fino a 256 caratteri dallo stream di rete
{
data = System.Text.Encoding.ASCII.GetString(bytes, 0, i); // interpreta lo stream a blocchi di 1Byte cod.ASCII
data.ToLower();
/* Qui si mettono i comandi a cui risponde il server */
if (data == "IRN")
{
//data = "Inizio Ricezione";
genotipoCorrente = LibreriaRN.GenotipoRN.receiveNetwork(stream);
grafo = new GrafoDisegno(genotipoCorrente);
data = "Ricezione rete neurale avvenuta\n";
}
else if (data == "GF")
{
fenotipo = new FenotipoRN(genotipoCorrente);
grafo.AttachFenotipo(fenotipo);
data = "Fenotipo generato con successo\n";
}
else if (data == "INPUT")
{
String sInput;
String[] parsedInput;
char[] separatori = { ' ' };
if ((i = stream.Read(bytes, 0, bytes.Length)) != 0) //legge fino a 256 caratteri dallo stream di rete
{
sInput = System.Text.Encoding.ASCII.GetString(bytes, 0, i); // interpreta lo stream a blocchi di 1Byte cod.ASCII
parsedInput = sInput.Split(separatori, StringSplitOptions.RemoveEmptyEntries);
for (i = 0; i < fenotipo.numNeuroniSensori; i++)
input[i] = Double.Parse(parsedInput[i]);
data = "Input ricevuti\n";
}
else
data = "Errore nella ricezione degli input\n";
}
else if (data == "AGG")
{
SortedList<int, double> output;
data = "";
fenotipo.sensori(input);
fenotipo.Calcola();
output = fenotipo.aggiorna();
foreach (KeyValuePair<int, double> k_val in output)
{
data += k_val.Key.ToString() + ": " + k_val.Value.ToString() + "\n";
}
}
else if (data == "exit" || data == "quit")
{
fine = true;
data = "Server disconnesso...\n";
}
else
data = data.ToUpper();
byte[] msg = System.Text.Encoding.ASCII.GetBytes(data);
stream.Write(msg, 0, msg.Length);
}
// Shutdown and end connection
if (fine)
System.Threading.Thread.Sleep(50); //Aspetta che il client legga
client.Close();
}
}
public Species(GenotipoRN champion, SpeciesManager manager)
{
this.manager = manager;
this.champion = champion;
gList = new List<GenotipoRN>();
gList.Add(champion);
}
public bool addGenotipo(GenotipoRN genotipo)
{
bool inSpecies = false;
double distance = AlgGenRN.distanza(champion, genotipo);
if (distance < Params.SPECIES_MAX_DISTANCE)
{
inSpecies = true;
gList.Add(genotipo);
}
return inSpecies;
}
public GrafoDisegno(GenotipoRN input)
{
Queue<Nodo> coda = new Queue<Nodo>();
nodi = new SortedList<int, Nodo>();
//crea i nodi
foreach (KeyValuePair<int, GenotipoRN.NeuroneG> neurone in input.neuroni)
{
Nodo nuovo = new Nodo(neurone.Value.GetId());
nuovo.livello = 0;
nuovo.stato = Nodo.StatoVisita.NonVisitato;
nodi.Add(neurone.Key, nuovo);
}
//prepara i neuroni di input
foreach (GenotipoRN.NeuroneG neurone in input.neuroniInput)
{
Nodo nuovoInput = nodi[neurone.GetId()];
nuovoInput.stato = Nodo.StatoVisita.InCoda;
coda.Enqueue(nuovoInput);
}
//crea gli archi e li inserisce nella lista archi del nodo di partenza
foreach(GenotipoRN.AssoneG assone in input.assoni)
{
Arco nuovo = new Arco(nodi[assone.getOutput()],nodi[assone.getInput()], assone.GetId(), assone.getPeso());
nodi[assone.getInput()].addArco(nuovo);
}
//definisce i livelli come distanza massima da un qualsiasi nodo di input; per far questo fa una visita in ampiezza
//a partire dai nodi di input
while (coda.Count > 0)
{
Nodo n = coda.Dequeue();
n.stato = Nodo.StatoVisita.InVisita;
IEnumerator<Arco> enumerator = n.GetEnumeratorArco();
while (enumerator.MoveNext())
{
Arco a = enumerator.Current;
if (a.destinazione.livello < (n.livello + 1))
{
a.destinazione.livello = n.livello + 1;
if (a.destinazione.livello > maxLivello)
maxLivello = a.destinazione.livello;
}
if (a.destinazione.stato == Nodo.StatoVisita.NonVisitato)
{
a.destinazione.stato = Nodo.StatoVisita.InCoda;
coda.Enqueue(a.destinazione);
}
}
n.stato = Nodo.StatoVisita.Visitato;
}
//y_corrente[i] contiene la coordinata y del prossimo neurone al livello i
int[] y_corrente = new int[maxLivello+1];
y_corrente[0] = Const.LatoGriglia / 2;
for (int i = 1; i <= maxLivello; i++)
y_corrente[i] = y_corrente[i - 1] + Const.LatoGriglia;
//assegna le posizioni
foreach (KeyValuePair<int, Nodo> neurone in nodi)
{
neurone.Value.posizione = new Vector2(neurone.Value.livello * Const.LatoGriglia + Const.LatoGriglia / 2, y_corrente[neurone.Value.livello]);
y_corrente[neurone.Value.livello] += Const.LatoGriglia*(maxLivello+1);
}
//TODO: portare tutti i neuroni di output al livello massimo, per far sì che vengano tutti allineati. Bisogna però memorizzare
//separatamente i neuroni di output nel GenotipoRN, analogamente a quanto ho fatto per i neuroni di input.
}
public void addAssone(GenotipoRN.AssoneG assone, SortedList<int, NeuroneF> neuroni)
{
AssoneF nuovoAssone = new AssoneF(assone, neuroni);
assoni.Add(nuovoAssone);
return;
}
/// <summary>
/// Traduce il genotipo passato per argomento
/// </summary>
/// <param name="neuroneG">Genotipo da tradurre</param>
public NeuroneF(GenotipoRN.NeuroneG neuroneG)
{
_neatID = neuroneG.neatID;
memoria = 0;
_tipo = neuroneG.tipo;
funzioneSoglia = Threshold.getThresholdFromIndex(neuroneG.thresholdIndex);
inputP = new List<double>();
inputF = new List<double>();
assoni = new List<AssoneF>();
return;
}
private GenotipoRN mutazioneModificaPesoRadicalmenteTuttiAssoni(GenotipoRN genotipo)
{
GenotipoRN g = new GenotipoRN(genotipo);
Random generatoreCasuale = new Random();
for (int num = 0; num < g.assoni.Count; num++)
{
GenotipoRN.AssoneG assoneCorrente = g.assoni[g.assoni.Keys[num]];
assoneCorrente.modPeso(1 - 2 * generatoreCasuale.NextDouble());
g.assoni[g.assoni.Keys[num]] = assoneCorrente;
}
return g;
}
private void listBox1_MouseDoubleClick(object sender, MouseButtonEventArgs e)
{
String firma = (String)((ListBox)sender).SelectedItem;
genotipoSelezionato = genotipi[firma];
aggiornaDialogBox();
visualizzaButton.IsEnabled = true;
addNeuroneButton.IsEnabled = true;
addAssoneButton.IsEnabled = true;
modPesoButton.IsEnabled = true;
//MessageBox.Show(firma, "My Application");
}
/// <summary>
/// Calcola la distanza tra due genotipi come geni_excess*peso1/N + geni_disjoint*peso2/N + differenza_pesi_geni_uguali*peso3 +
/// neuroni_uguali_con_funzioni_di_soglia_diverse*peso4. Sono considerati geni diversi sia neuroni che assoni
/// presenti in uno dei due genotipi e non nell'altro. N è il massimo numero di geni nei due genotipi. I pesi sono fissati in Params.
/// </summary>
/// <param name="gen1"></param>
/// <param name="gen2"></param>
/// <returns></returns>
public static double distanza(GenotipoRN gen1, GenotipoRN gen2)
{
int maxIDNeuroniGen1, maxIDNeuroniGen2, maxIDAssoniGen1, maxIDAssoniGen2;
double weightDifference = 0;
int disjointAss = 0, excessAss = 0, disjointNeur = 0, excessNeur = 0, functionDifferences = 0, maxGenes;
bool end1 = false, end2 = false;
IEnumerator<KeyValuePair<int, GenotipoRN.NeuroneG>> enumNeurGen1, enumNeurGen2;
IEnumerator<KeyValuePair<int, GenotipoRN.AssoneG>> enumAssGen1, enumAssGen2;
maxIDNeuroniGen1 = gen1.maxIDNeuroni;
maxIDNeuroniGen2 = gen2.maxIDNeuroni;
maxIDAssoniGen1 = gen1.maxIDAssoni;
maxIDAssoniGen2 = gen2.maxIDAssoni;
maxGenes = Math.Max(gen1.numeroNeuroni + gen1.numeroAssoni, gen2.numeroNeuroni + gen2.numeroAssoni);
enumNeurGen1 = gen1.GetEnumeratorNeuroni();
enumNeurGen2 = gen2.GetEnumeratorNeuroni();
enumAssGen1 = gen1.GetEnumeratorAssoni();
enumAssGen2 = gen2.GetEnumeratorAssoni();
end1 = !enumNeurGen1.MoveNext();
end2 = !enumNeurGen2.MoveNext();
while (!(end1 && end2))
{
if (end1)
{
if (enumNeurGen2.Current.Key > maxIDNeuroniGen1)
excessNeur++;
else
disjointNeur++;
end2 = !enumNeurGen2.MoveNext();
}
else if (end2)
{
if (enumNeurGen1.Current.Key > maxIDNeuroniGen2)
excessNeur++;
else
disjointNeur++;
end1 = !enumNeurGen1.MoveNext();
}
else
{
if (enumNeurGen1.Current.Key == enumNeurGen2.Current.Key)
{
if (enumNeurGen1.Current.Value.thresholdIndex != enumNeurGen2.Current.Value.thresholdIndex)
functionDifferences++;
end1 = !enumNeurGen1.MoveNext();
end2 = !enumNeurGen2.MoveNext();
}
else if (enumNeurGen1.Current.Key > enumAssGen2.Current.Key)
{
/*ho trovato un gene in gen1 successivo al gene corrente di gen2 però ho altri geni in gen2 con neatID maggiore
*-> determina se è excess o disjoint e avanza l'enumerator più indietro, cioè gen2
*/
if (!gen1.contieneNeuroneID(enumNeurGen2.Current.Key))
if (enumNeurGen2.Current.Key > maxIDNeuroniGen1)
excessNeur++;
else
disjointNeur++;
end2 = !enumNeurGen2.MoveNext();
}
else //if(enumNeurGen1.Current.Key < enumAssGen2.Current.Key)
{
if (!gen2.contieneNeuroneID(enumNeurGen1.Current.Key))
if (enumNeurGen1.Current.Key > maxIDNeuroniGen2)
excessNeur++;
else
disjointNeur++;
end1 = !enumNeurGen1.MoveNext();
}
}
}
end1 = !enumAssGen1.MoveNext();
end2 = !enumAssGen2.MoveNext();
while (!(end1 && end2))
{
if (end1)
{
if (enumAssGen2.Current.Key > maxIDAssoniGen1)
excessAss++;
else
disjointAss++;
end2 = !enumAssGen2.MoveNext();
}
else if (end2)
{
if (enumAssGen1.Current.Key > maxIDAssoniGen2)
excessAss++;
else
disjointAss++;
end1 = !enumAssGen1.MoveNext();
}
else
{
if (enumAssGen1.Current.Key == enumAssGen2.Current.Key)
{
weightDifference += Math.Abs(enumAssGen1.Current.Value.peso - enumAssGen2.Current.Value.peso);
end1 = !enumAssGen1.MoveNext();
end2 = !enumAssGen2.MoveNext();
}
else if (enumAssGen1.Current.Key > enumAssGen2.Current.Key)
{
if (!gen1.contieneAssoneID(enumAssGen2.Current.Key))
if (enumAssGen2.Current.Key > maxIDAssoniGen1)
excessAss++;
else
disjointAss++;
end2 = !enumAssGen2.MoveNext();
}
else //if(enumAssGen1.Current.Key < enumAssGen2.Current.Key)
{
if (!gen2.contieneAssoneID(enumAssGen1.Current.Key))
if (enumAssGen1.Current.Key > maxIDAssoniGen2)
excessAss++;
else
disjointAss++;
end1 = !enumAssGen1.MoveNext();
}
}
}
return (excessAss + excessNeur) * Params.excessGenesWeight/maxGenes + (disjointAss + disjointNeur) * Params.disjointGenesWeight/maxGenes + weightDifference * Params.weightDifferenceWeight + functionDifferences * Params.functionDifferenceWeight;
}
public AssoneF(GenotipoRN.AssoneG assoneG, SortedList<int, NeuroneF> neuroni)
{
neuroneLink = neuroni[assoneG.output];
peso = assoneG.peso;
return;
}
public GenotipoRN mutazioneAggiungiAssone(GenotipoRN genotipo)
{
GenotipoRN g = new GenotipoRN(genotipo);
Random generatoreCasuale = new Random();
bool esiste = false;
int neurone1;
int neurone2;
int indice = genotipo.neuroni.Count;
/* ho impedito la possibilità di creare assoni che hanno come sorgente un nodo di output o come destinazione un nodo di input
* perché oltre a dare problemi di visualizzazione mi sembra abbiano poco senso: credo che i neuroni di input debbano semplicemente
* riportare gli input alla rete (secondo me senza farci nessuna elaborazione però si può consentire che il neurone di input abbia una
* funzione di soglia disabilitando Params.transparentInput) così come i neuroni di output debbano solo portare le uscite agli attuatori.
*/
do
neurone1 = genotipo.neuroni.Keys[generatoreCasuale.Next(indice)];
while (genotipo.neuroni[neurone1].tipo == TipoNeurone.NActuator);
do
neurone2=genotipo.neuroni.Keys[generatoreCasuale.Next(indice)];
while (genotipo.neuroni[neurone2].tipo == TipoNeurone.NSensor);
for (int i = 0; i < g.numeroAssoni; i++)
/* io annullerei la possibilità di raddoppio perché trasformerebbe una mutazione del tipo "aggiungi assone" in una "modifica peso"
* anche se occorrerebbe gestire in qualche modo il caso in cui si vorrebbe creare un assone già esistente. Continuando a generare a caso
* input e output finché non si trovano due neuroni ancora non collegati si rischia infatti o di metterci molto tempo o peggio di entrare
* in un ciclo infinito se tutti i collegamenti fossero già stabiliti, situazioni non impossibili con pochi neuroni.
*/
if (g.assoni[i].testaCollegamento(neurone1, neurone2))
{
GenotipoRN.AssoneG assone = g.assoni[g.assoni.Keys[i]];
assone.raddoppia();
g.assoni[g.assoni.Keys[i]] = assone;
esiste = true;
Console.WriteLine("Raddoppio " + neurone1 + " - " + neurone2);
break;
}
if (!esiste)
{
g.addAssone(new GenotipoRN.AssoneG(contAssoni, neurone1, neurone2, generatoreCasuale.NextDouble()));
contAssoni++;
}
return g;
}
public void GetNextGeneration(List<GenotipoRN> poolCrossingOver, int numberMax)
{
Random r = new Random();
GenotipoRN parent1 = null;
GenotipoRN parent2 = null;
gList.Sort();
int n= gList.Count;
int gaussNumber = (n * (n + 1)) / 2;
int extractNumber;
int generateCreatureNumber=1;
poolCrossingOver.Add(gList.First());
while (generateCreatureNumber < (3*numberMax/4 -1))
{
extractNumber=r.Next(gaussNumber);
int accumulator = n;
for (int i = 0; i < gList.Count; i++)
{
if (extractNumber < accumulator)
{
parent1 = gList.ElementAt(i);
break;
}
else
accumulator += gList.Count - i - 1;
}
extractNumber = r.Next(gaussNumber);
accumulator = n;
for (int i = 0; i < gList.Count; i++)
{
if (extractNumber < accumulator)
{
parent2 = gList.ElementAt(i);
break;
}
else
accumulator += gList.Count - i - 1;
}
GenotipoRN child = new GenotipoRN(parent1, parent1.Fitness, parent2, parent2.Fitness);
poolCrossingOver.Add(child);
generateCreatureNumber++;
}
while (generateCreatureNumber < numberMax)
{
GenotipoRN randomGenotipo = null;
extractNumber = r.Next(gaussNumber);
int accumulator = n;
for (int i = 0; i < gList.Count; i++)
{
if (extractNumber < accumulator)
{
randomGenotipo = gList[i];
break;
}
else
accumulator += gList.Count - i - 1;
}
poolCrossingOver.Add(manager.gestore.mutazione(randomGenotipo, 1)[0]);
}
}
public GrafoDisegno(GenotipoRN input)
{
Queue<Nodo> coda = new Queue<Nodo>();
nodi = new SortedList<int, Nodo>();
//crea i nodi
foreach (KeyValuePair<int, GenotipoRN.NeuroneG> neurone in input.neuroni)
{
Nodo nuovo = new Nodo(neurone.Value.neatID, neurone.Value.thresholdIndex);
nuovo.livello = 0;
nuovo.stato = Nodo.StatoVisita.NonVisitato;
nuovo.tipo = TipoNeurone.NHide;
nodi.Add(neurone.Key, nuovo);
}
//prepara i neuroni di input
foreach (GenotipoRN.NeuroneG neurone in input.neuroniInput)
{
Nodo nuovoInput = nodi[neurone.neatID];
nuovoInput.stato = Nodo.StatoVisita.InCoda;
nuovoInput.tipo = TipoNeurone.NSensor;
coda.Enqueue(nuovoInput);
}
foreach (GenotipoRN.NeuroneG neurone in input.neuroniOutput)
nodi[neurone.neatID].tipo = TipoNeurone.NActuator;
//crea gli archi e li inserisce nella lista archi del nodo di partenza
foreach(KeyValuePair<int,GenotipoRN.AssoneG> assone in input.assoni)
{
if (!assone.Value.attivo)
continue;
Arco nuovo = new Arco(nodi[assone.Value.output],nodi[assone.Value.input], assone.Value.neatID, assone.Value.peso);
nodi[assone.Value.input].addArco(nuovo);
}
//definisce i livelli come distanza massima da un qualsiasi nodo di input; per far questo fa una visita in ampiezza
//a partire dai nodi di input
while (coda.Count > 0)
{
Nodo n = coda.Dequeue();
n.stato = Nodo.StatoVisita.InVisita;
IEnumerator<Arco> enumerator = n.GetEnumeratorArco();
while (enumerator.MoveNext())
{
Arco a = enumerator.Current;
if ((a.destinazione.livello <= n.livello) && (a.destinazione.stato != Nodo.StatoVisita.Visitato) && (a.destinazione.tipo != TipoNeurone.NActuator) && (a.destinazione != a.partenza))
{
a.destinazione.livello = n.livello + 1;
if (a.destinazione.livello > maxLivello)
maxLivello = a.destinazione.livello;
}
if (a.destinazione.stato == Nodo.StatoVisita.NonVisitato)
{
a.destinazione.stato = Nodo.StatoVisita.InCoda;
coda.Enqueue(a.destinazione);
}
}
n.stato = Nodo.StatoVisita.Visitato;
}
foreach (GenotipoRN.NeuroneG neurone in input.neuroniOutput)
nodi[neurone.neatID].livello = maxLivello+1;
maxLivello++;
//y_corrente[i] contiene la coordinata y del prossimo neurone al livello i
int[] y_corrente = new int[maxLivello+1];
y_corrente[0] = Const.LatoGriglia / 2;
for (int i = 1; i <= maxLivello; i++)
y_corrente[i] = y_corrente[i - 1] + Const.LatoGriglia;
//assegna le posizioni
foreach (KeyValuePair<int, Nodo> neurone in nodi)
{
neurone.Value.posizione = new Vector2(neurone.Value.livello * Const.LatoGriglia + Const.LatoGriglia / 2, y_corrente[neurone.Value.livello]);
y_corrente[neurone.Value.livello] += Const.LatoGriglia*(maxLivello+1);
}
}
public void addGenotipo(GenotipoRN genotipo)
{
bool speciesFind = false;
foreach (Species s in speciesList)
{
if (s.addGenotipo(genotipo))
{
speciesFind = true;
break;
}
}
if (!speciesFind)
speciesList.Add(new Species(genotipo, this));
}