private void GenerarArchivo(FitnessPopulationAnalizer fitnessPopulationAnalizer)
{
string pathGeneraciones = AppDomain.CurrentDomain.BaseDirectory + "generaciones.txt";
string pathFitness = AppDomain.CurrentDomain.BaseDirectory + "fitness.txt";
if (File.Exists(pathGeneraciones))
{
File.Delete(pathGeneraciones);
}
if (File.Exists(pathFitness))
{
File.Delete(pathFitness);
}
try
{
StreamWriter sw = new StreamWriter(pathGeneraciones);
sw.WriteLine("Generación");
for (int i = 0; i < fitnessPopulationAnalizer.LstCromosomas.Count; i++)
{
sw.WriteLine(i + 1);
}
sw.Close();
sw = new StreamWriter(pathFitness);
sw.WriteLine("Fitness");
for (int i = fitnessPopulationAnalizer.LstCromosomas.Count - 1; i >= 0; i--)
{
sw.WriteLine(fitnessPopulationAnalizer.LstCromosomas[i].Fitness);
}
sw.Close();
}
catch (Exception) { }
}
private void GeneraSolucion(int numGeneraciones, int tamTablero, int poblacionInicial)
{
bool success = false;
Random random = new Random();
List <Cromosoma> lstIndividuos = GeneraPoblacion(poblacionInicial, tamTablero, random);
FitnessPopulationAnalizer fitnessAnalizer = new FitnessPopulationAnalizer(lstIndividuos);
this.Cursor = Cursors.WaitCursor;
int generaciones = 0;
List <int> lstGeneraciones = new List <int>();
List <float> lstFitness = new List <float>();
while (generaciones < numGeneraciones && fitnessAnalizer.LstElite.Count.Equals(0))
{
generaciones++;
fitnessAnalizer.GenerarFitnessPoblacion();
lstFitness.Add(fitnessAnalizer.fitnessPoblacion);
lstGeneraciones.Add(generaciones);
// de manera aleatoria elegimos 5 individuos de la población actual y obtenemos los mejores 2 de esa selección.
List <Cromosoma> lstAux = fitnessAnalizer.ObtenerIndividuosAleatorios(5, random);
List <Cromosoma> lstMejores = fitnessAnalizer.ObtenerLosMejores(2, lstAux);
// los 2 mejores obtenidos los cruzamos y obtenemos dos hijos resultantes.
List <Cromosoma> lstHijos = fitnessAnalizer.CrossOver(lstMejores[0], lstMejores[1], random);
// mutamos a los hijos si no son la solución.
foreach (Cromosoma cromosoma in lstHijos)
{
if (fitnessAnalizer.ObtenerFitnessCromosoma(cromosoma) != 0)
{
fitnessAnalizer.Mutar(cromosoma, cromosoma.Genes.Count - 1, random);
}
}
// estos 2 hijos sustituirán a los dos peores de la población actual.
List <Cromosoma> lstPeores = fitnessAnalizer.ObtenerLosPeores(2);
fitnessAnalizer.SustituirPoblacion(lstPeores, lstHijos);
}
ActualizaInformacion(lstIndividuos);
GenerarArchivo(fitnessAnalizer);
this.Cursor = Cursors.Default;
}
