// Generacional
public static (ValoresFunciones valores, float fitness) AlgoritmoGeneticoGeneracional(
int tamañoPoblacion, int dimension, int iteraciones, int maxEvaluaciones, FuncionFitness fitness,
FuncionSeleccion funcionSeleccion, FuncionCruzamiento funcionCruzamiento, double probCruzamiento,
FuncionMutacion funcionMutacion, double probMutacion)
{
List <ValoresFunciones> poblacion;
List <ValoresFunciones> nuevaPoblacion;
List <ValoresFunciones> padres, hijos;
List <float> fitnessSoluciones;
double probabilidad;
int evaluacion = 0;
poblacion = generarPoblacionAleatoria(tamañoPoblacion, dimension);
fitnessSoluciones = fitnessDePoblacion(poblacion, fitness);
evaluacion += tamañoPoblacion;
for (int i = 0; i < iteraciones && evaluacion < maxEvaluaciones; i++)
{
nuevaPoblacion = new List <ValoresFunciones>();
while (nuevaPoblacion.Count < tamañoPoblacion)
{
// Seleccion
padres = funcionSeleccion(poblacion, fitnessSoluciones);
// Cruzamiento
probabilidad = rand.NextDouble();
if (probabilidad > probCruzamiento)
{
continue;
}
hijos = funcionCruzamiento(padres);
// Mutacion
hijos = funcionMutacion(hijos, probMutacion);
nuevaPoblacion.AddRange(hijos);
}
poblacion = nuevaPoblacion;
fitnessSoluciones = fitnessDePoblacion(poblacion, fitness);
evaluacion += tamañoPoblacion;
}
//Ordena las soluciones por su funcion fitness
var indexOrdenadaPorFitness = from f in fitnessSoluciones
orderby f
select fitnessSoluciones.IndexOf(f);
int pos = indexOrdenadaPorFitness.ElementAt(0);
return(poblacion[pos], fitnessSoluciones[pos]);
}
public static List <float> fitnessDePoblacion(List <ValoresFunciones> poblacion, FuncionFitness funcionFitness)
{
List <float> fitnessPoblacion = new List <float>();
fitnessPoblacion.Capacity = poblacion.Count;
float fitness;
for (int i = 0; i < poblacion.Count; i++)
{
fitness = funcionFitness(poblacion[i]);
fitnessPoblacion.Add(fitness);
}
return(fitnessPoblacion);
}
