public void MutacionCruce()
{
PromedioMutaCruce.Clear();
Cadena objCad = new Cadena();
//Proceso de algoritmo genético
for (int ciclo = 1; ciclo <= numCiclos; ciclo++)
{
//Toma dos individuos al azar
int indivA = azar.Next(Individuos.Count);
int indivB;
do
{
indivB = azar.Next(Individuos.Count);
} while (indivA == indivB); //Asegura que sean dos individuos distintos
//Usa el operador cruce
int posAzar = azar.Next(cadOriginal.Length);
string parteA = Individuos[indivA].Substring(0, posAzar);
string parteB = Individuos[indivB].Substring(posAzar);
string HijoA = parteA + parteB;
//Además muta el hijo
HijoA = objCad.MutaCadena(azar, HijoA);
//Evalúa la adaptación de los individuos padres e hijos
int valorIndivA = objCad.EvaluaCadena(cadOriginal, Individuos[indivA]);
int valorIndivB = objCad.EvaluaCadena(cadOriginal, Individuos[indivB]);
int valorHijoA = objCad.EvaluaCadena(cadOriginal, HijoA);
//Si los hijos son mejores que los padres, entonces los reemplaza
if (valorHijoA > valorIndivA)
{
Individuos[indivA] = HijoA;
}
if (valorHijoA > valorIndivB)
{
Individuos[indivB] = HijoA;
}
//Calcula promedio de adaptación de toda la población
if (ciclo % Promedio == 0)
{
double acumula = 0;
for (int indiv = 0; indiv < Individuos.Count; indiv++)
{
acumula += objCad.EvaluaCadena(cadOriginal, Individuos[indiv]);
}
PromedioMutaCruce.Add((double)acumula / Individuos.Count);
}
}
}
public void Configura(int semilla, string cadOriginal, int numIndividuos, int numCiclos, int Promedio)
{
azar = new Random(semilla);
//Crea la población con individuos generados al azar (dependiendo de la semilla)
Individuos.Clear();
Cadena objCad = new Cadena();
for (int cont = 1; cont <= numIndividuos; cont++)
{
Individuos.Add(objCad.CadenaAzar(azar, cadOriginal.Length));
}
this.numCiclos = numCiclos;
this.Promedio = Promedio;
this.cadOriginal = cadOriginal;
}
//Operador mutación
public void Mutacion()
{
PromedioMuta.Clear();
Cadena objCad = new Cadena();
//Proceso de algoritmo genético
for (int ciclo = 1; ciclo <= numCiclos; ciclo++)
{
//Toma dos individuos al azar
int indivA = azar.Next(Individuos.Count);
int indivB;
do
{
indivB = azar.Next(Individuos.Count);
} while (indivA == indivB); //Asegura que sean dos individuos distintos
//Evalúa la adaptación de los dos individuos
int valorIndivA = objCad.EvaluaCadena(cadOriginal, Individuos[indivA]);
int valorIndivB = objCad.EvaluaCadena(cadOriginal, Individuos[indivB]);
//Si individuo A está mejor adaptado que B entonces: Elimina B + Duplica A + Modifica duplicado
if (valorIndivA > valorIndivB)
{
Individuos[indivB] = objCad.MutaCadena(azar, Individuos[indivA]);
}
else if (valorIndivA < valorIndivB) //Caso A es menor que B: Elimina A + Duplica B + Modifica duplicado
{
Individuos[indivA] = objCad.MutaCadena(azar, Individuos[indivB]);
}
//Calcula promedio de adaptación de toda la población
if (ciclo % Promedio == 0)
{
double acumula = 0;
for (int indiv = 0; indiv < Individuos.Count; indiv++)
{
acumula += objCad.EvaluaCadena(cadOriginal, Individuos[indiv]);
}
PromedioMuta.Add((double)acumula / Individuos.Count);
}
}
}
static void Main()
{
Random azar = new Random(); //Usado para la semilla del generador de aleatorios de la clase población
//Cadena que será buscada por los algoritmos genéticos
Cadena objCad = new Cadena();
string cadOriginal;
int Pruebas = 50; //Total de veces que se cambiará la cadena y se repetirá todo el proceso
int TotalIndividuos = 2000; //Total de individuos de la población
int TotalCiclos = 100000; //Total de ciclos que hará por cada operador
int Promedio = 1000; //Cada cuanto calcula el promedio de la población
int TamCadena = 90; //Tamaño de la cadena a buscar
Poblacion objPoblacion = new Poblacion();
List <double> Muta = new List <double>(); //Lista de promedios de adaptación del operador de mutación
List <double> Cruce = new List <double>(); //Lista de promedios de adaptación del operador de cruce
List <double> MutaCruce = new List <double>(); //Lista de promedios de adaptación del operador de mutación+cruce
for (int num = 0; num < TotalCiclos / Promedio; num++)
{
Muta.Add(0);
Cruce.Add(0);
MutaCruce.Add(0);
}
//En cada prueba se cambia la cadena a buscar y se reinicia las poblaciones con nuevos individuos
for (int num = 0; num < Pruebas; num++)
{
int semilla = azar.Next();
cadOriginal = objCad.CadenaAzar(azar, TamCadena);
//Misma semilla para que los tres operadores trabajen con los mismos individuos al inicio
objPoblacion.Configura(semilla, cadOriginal, TotalIndividuos, TotalCiclos, Promedio);
objPoblacion.Mutacion();
objPoblacion.Configura(semilla, cadOriginal, TotalIndividuos, TotalCiclos, Promedio);
objPoblacion.Cruce();
objPoblacion.Configura(semilla, cadOriginal, TotalIndividuos, TotalCiclos, Promedio);
objPoblacion.MutacionCruce();
//Para el promedio de evolución de las métricas de acercamiento a la cadena original
//de los tres operadores
for (int cont = 0; cont < objPoblacion.PromedioMuta.Count; cont++)
{
Muta[cont] += objPoblacion.PromedioMuta[cont];
Cruce[cont] += objPoblacion.PromedioCruce[cont];
MutaCruce[cont] += objPoblacion.PromedioMutaCruce[cont];
}
}
//Calcula el promedio y lo muestra en consola.
for (int num = 0; num < TotalCiclos / Promedio; num++)
{
Muta[num] /= Pruebas;
Console.Write(Muta[num].ToString() + ";");
Cruce[num] /= Pruebas;
Console.Write(Cruce[num].ToString() + ";");
MutaCruce[num] /= Pruebas;
Console.WriteLine(MutaCruce[num].ToString());
}
Console.ReadKey();
}
