/// <summary>
/// Метод для поиска решения с помощью генетического алгоритма
/// </summary>
/// <param name="model">Оптимизационная модель, эксперименты из которой
/// выступят в качестве начальной популяции</param>
/// <param name="gaParams">Параметры генетического алгоритма</param>
/// <param name="table">Таблица для отображения процесса поиска решения.
/// Если null, то процесс поиска решения не отображается</param>
public static AdditiveMethodResult FindDecision(Model model, AdditiveParams gaParams, DataGridView table)
{
bool showProcess = (table != null);
int currentGeneration = 0;
// 1. Получим начальную популяцию из модели
AdditivePopulation population =
AdditiveSolver.ModelToPopulation(model, currentGeneration);
// Рассчитаем значения функции приспособленности
AdditiveSolver.CalcUnitsFitness(
ref model,
ref population,
gaParams.ExternalAppPath);
// Если надо, подготовим таблицу к выводу процесса и
// выведем начальную популяцию (без разделителя)
if (showProcess)
{
AdditiveDataGridFiller.PrepareProcessDataGrid(table);
AdditiveDataGridFiller.AddPopulationToDataGrid(table, population, false);
}
// 2. Пока не достигнуто нужное количество поколений
while (currentGeneration < gaParams.MaxGenerationsNumber)
{
// Увеличим счетчик поколений
currentGeneration++;
// 3. Отбор
population =
AdditiveSelection.TournamentSelection(population, gaParams.SelectionLimit);
// 4. Скрещивание
population =
AdditiveCrossover.OnePointCrossover(population, currentGeneration);
// 5. Мутация
population =
AdditiveMutation.PerformMutation(population, gaParams.MutationProbability);
// 6. Расчет приспособленности
// Модель обновится, метод CalcUnitsFitness рассчитает
// для популяции значения функции приспособленности, а для
// модели - значения критериев и Ф.О.
model = AdditiveSolver.PopulationToModel(model, population);
AdditiveSolver.CalcUnitsFitness(
ref model,
ref population,
gaParams.ExternalAppPath);
// Если надо, то выведем на экран информацию (с разделителем)
if (showProcess)
{
AdditiveDataGridFiller.AddPopulationToDataGrid(table, population, true);
}
}
// Подготовим результат на основе конечной популяции
AdditiveMethodResult result = AdditiveSolver.PrepareResult(population);
// Вернем результат
return(result);
}
private static void CalcUnitsFitness(
ref Model initModel,
ref AdditivePopulation population,
string externalAppPath)
{
// У нас есть модель. Рассчитаем для нее с помощью внешней
// программы значения критериев оптимальности и Ф.О.
#if DUMMY
// Запустим внешнюю программу и дождемся, пока она отработает
if (!AdditiveSolver.UseDummyExternalApplication(initModel, externalAppPath))
{
throw new Exception("Can not calculate fitness values using external program");
}
#else
// Файл для обмена данными между opt и расчетной программой
string dataFilePath = System.IO.Path.GetDirectoryName(externalAppPath) + "\\_ga_temp_file.xml";
// Запустим внешнюю программу и дождемся, пока она отработает
if (!AdditiveSolver.UseExternalApplication(
initModel,
externalAppPath,
dataFilePath))
{
throw new Exception("Can not calculate fitness values using external program");
}
// Раз программа отработала, прочтем результаты из файла
initModel = modelProvider.Load(dataFilePath);
// Удалим файл с данными
if (System.IO.File.Exists(dataFilePath))
{
System.IO.File.Delete(dataFilePath);
}
#endif
// Применим решатель для аддитивного критерия, чтобы получить его значения.
// Они послужат нам эквивалентом функции приспособленности
AdditiveCriterionSolver solver = new AdditiveCriterionSolver();
IntegralCriterionMethodResult result = solver.FindDecision(initModel);
// Из результатов аддитивного критерия выдерем его значения
foreach (TId expId in result.SortedPoints)
{
int unitNumber = initModel.Experiments[expId].Number;
population[unitNumber].FitnessValue = result.AdditionalData[expId];
}
// Применим Ф.О. к модели
initModel.ApplyFunctionalConstraints();
// Пометим на удаление в популяции особи, соответсвующие экспериментам,
// ставшим неактивными после применения Ф.О.
foreach (Experiment exp in initModel.Experiments.Values)
{
if (!exp.IsActive)
{
population.MarkForRemoval(exp.Number);
}
}
// И удалим помеченные
population.RemoveMarked();
}
