static void Main(string[] args)
{
Console.WriteLine("13K3 Trzop Artur (c) 2012 Politechnika Krakowska, Wydział Mechaniczny\n");
Console.WriteLine("=====================================================================");
// Każdy chromosom składa się z 10 genów.
// Budujemy słownik chromosomów.
// Klucz słownika to kolejne liczby naturalne od zera, przyporządkowane do argumentów na osi x,
// które to argumenty wyrażone są wartościami od 0, 0.01, 0.02, itd. aż do 10.
Dictionary <int, Chromosom> ArrChrom = new Dictionary <int, Chromosom>();
// Warunek do 10.24 ponieważ chcemy mieć wszystkie możliwe do zapisania genotypy od 00 0000 0000 do 11 1111 1111
int key = 0;
for (double x = 0; x <= 10.24; x += WAGA)
{
ArrChrom.Add(key, new Chromosom()
{
// wagaDoubleToBin zwraca string, który np. dla x=0.01 wyniesie 00 0000 0001
genotyp = wagaDoubleToBin(x),
// Wartość funkcji f dla argumentu x będącego kolejnym krokiem o długości 0.01*n, gdzie n to numer kroku pętli for
fenotyp = f(x)
});
// Drukuj dodany do słownika chromosom
// Console.WriteLine("key: " + key + " (" + x + ") => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
key++;
}
// Testowe sprawdzenie poprawności działania metod wagaBinToDouble i wagaDoubleToBin
// Console.WriteLine(wagaBinToDouble("0000000001") + " = " + wagaDoubleToBin(0.01));
Random random = new Random();
int r; // przechowuje wylosowaną liczbę int
double rd; // przechowuje wylosowaną liczbę double
// przechowuje populację
List <Chromosom> Populacja = new List <Chromosom>();
// przechowuje najlepszy chromosom jaki udało nam się dotychczas uzyskać ze wszystkich generacji rozwijających się populacji
Chromosom NajlepszyChromosom = new Chromosom();
// kontrolny fenotyp przed ostatniego chromosomu do porównywania czy znaleźliśmy lepsze wyniki
double?PrzedOstatniNajlepszyFenotyp = null;
int LiczebnoscPoczatkowejPopulacji = 20;
// ustawienie warunku STOP na true spowoduje przerwanie tworzenia nowych generacji rozwijających się populacji
bool STOP = false;
int generacja = 0;
while (!STOP || generacja <= 10) // uruchamiamy conajmniej 10 generacje rozwijających się populacji
{
generacja++;
// czyścimy populacje przed rozpoczęciem nowej generacji
Populacja.Clear();
// startujemy w okolicy x=0.5 czyli np. wylosujemy liczbę 50 * 0.01 = 0,5
//r = random.Next(30, 70);
r = random.Next(0, 1024 - LiczebnoscPoczatkowejPopulacji);
rd = r * WAGA;
key = r;
// wybieramy 20 kolejnych po sobie osobników do populacji startowej
//double warunek = rd + (LiczebnoscPoczatkowejPopulacji * WAGA);
//for (double x = rd; x < warunek; x += WAGA)
//{
// //Console.WriteLine(x);
// Populacja.Add(ArrChrom[key]);
// Console.WriteLine("key: " + key + " (" + x + ") => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
// key++;
//}
// Wybieramy osobników w sposób losowy do populacji startowej.
// Daje to lepsze wyniki niż sposób kilka linijek wyżej, który pobiera 20 kolejnych po sobie osobników.
for (int i = 0; i < 20; i++)
{
key = random.Next(0, 1024); // wylosowana zostanie liczba od 0 do 1023 włącznie
Populacja.Add(ArrChrom[key]);
Console.WriteLine("key: " + key + " => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
}
int whileWarunek = 0;
while (whileWarunek < 1024) // 1024 na sztywno liczba możliwych pętli do przeprowadzenia
{
whileWarunek++;
// szukanie najlepszych osobników
Console.WriteLine("\nSzukanie najlepszych osobników w danej populacji:");
// Przy pomocy LINQ budujemy zapytanie wybierające z populacji chromosomy posortowane od największej wartości fenotypu.
IEnumerable query = Populacja.OrderByDescending(chrom => chrom.fenotyp);
// przygotowanie zmiennych przechowujących genotyp rodzica
string rodzic1Genotyp = null;
string rodzic2Genotyp = null;
var l = 0;
foreach (Chromosom i in query)
{
//Console.WriteLine(i.fenotyp);
if (rodzic1Genotyp == null)
{
rodzic1Genotyp = i.genotyp;
NajlepszyChromosom = i; // zapisujemy ten genotyp bo ma najwyższą wartość f(x)
if (PrzedOstatniNajlepszyFenotyp != null)
{
if ((PrzedOstatniNajlepszyFenotyp - i.fenotyp) % WAGA < WAGA)
{
// możemy zakończyć poszukiwania ponieważ kolejny wynik różni się z dokładnością mniejszą niż 0.01
STOP = true;
}
}
PrzedOstatniNajlepszyFenotyp = i.fenotyp;
Console.WriteLine("Rodzic1 => { genotyp: " + i.genotyp + ", fenotyp: " + i.fenotyp + " }");
}
else
{
rodzic2Genotyp = i.genotyp;
Console.WriteLine("Rodzic2 => { genotyp: " + i.genotyp + ", fenotyp: " + i.fenotyp + " }");
}
// zatrzymujemy foreach po pobraniu dwóch genotypów
if (l++ > 0)
{
break;
}
}
// krzyżowanie rodziców
Console.WriteLine("\nKrzyżowanie rodziców:");
string dziecko1Genotyp = rodzic1Genotyp.Substring(0, 5) + rodzic2Genotyp.Substring(5, 5);
string dziecko2Genotyp = rodzic2Genotyp.Substring(0, 5) + rodzic1Genotyp.Substring(5, 5);
Console.WriteLine("Dziecko1: " + dziecko1Genotyp);
Console.WriteLine("Dziecko2: " + dziecko2Genotyp);
// mutacja z pewnym prawdopodobieństwem zadanym w metodzie mutacja()
string mutacja1 = mutacja(dziecko1Genotyp);
if (mutacja1 != null)
{
dziecko1Genotyp = mutacja1;
Console.WriteLine("Mutacja Dziecka1: " + dziecko1Genotyp);
}
string mutacja2 = mutacja(dziecko2Genotyp);
if (mutacja2 != null)
{
dziecko2Genotyp = mutacja2;
Console.WriteLine("Mutacja Dziecka2: " + dziecko2Genotyp);
}
// znajdujemy obiekty dzieci w słowniku ArrChrom
query = from p in Populacja where p.genotyp.Equals(dziecko1Genotyp) || p.genotyp.Equals(dziecko2Genotyp) select p;
int dzieckoWarunekStopu = 0;
foreach (Chromosom current in query)
{
// jeśli dany chromosom jeszcze nie istnieje w populacji to możemy go dodać
if (!Populacja.Any(chromosom => chromosom.fenotyp == current.fenotyp))
{
Populacja.Add(current);
Console.WriteLine("+ Dodano chromosom dziecko " + current.genotyp + " do populacji.");
}
else
{
Console.WriteLine("- Nie dodano chromosomu dziecka " + current.genotyp + " do populacji ponieważ już w niej istnieje.");
dzieckoWarunekStopu++;
}
}
if (dzieckoWarunekStopu == 2)
{
// Od komentować poniższe 3 linie w /* takim komentarzu */ jeżeli chcemy zatrzymać pętlę w przypadku pojawienia się dzieci o takich
// samych genotypach jak osobniki już w populacji.
//
// Gdy dzieci mają takie same genotypy jak osobniki już istniejące w populacji to nadal ci sami rodzice będą
// dominować w populacji. Czynnikiem, który może spowodować pojawienie się potomków nie dublujących się jest:
// a) populacja składa się z losowych chromosomów przez co rzadko będą dublować się otrzymane dzieci z osobnikami w populacji.
// b) wprowadzono mutacje u dzieci dzięki temu istnieje szansa na pojawienie się dziecka o odmiennym genotypie (to rozwiązanie przyjęto w tym programie).
//
/*
* Console.WriteLine("Koniec tej populacji. Rodzice są dominujący i nie pojawiają się dzieci o lepszych genach.");
* Console.WriteLine("----------------------------------");
* break;
*/
}
Console.WriteLine("----------------------------------");
} // koniec while
} // koniec while generacji
// Wyświetlamy najlepszy chromosom dotychczas znaleziony.
Console.WriteLine("\n\nNajlepszy chromosom => { \n\tgenotyp: " + NajlepszyChromosom.genotyp + "\n\tfenotyp: " + NajlepszyChromosom.fenotyp + "\n}");
Console.WriteLine("\nKONIEC");
Console.ReadKey();
}
static void Main(string[] args)
{
Console.WriteLine("13K3 Trzop Artur (c) 2012 Politechnika Krakowska, Wydział Mechaniczny\n");
Console.WriteLine("=====================================================================");
// Każdy chromosom składa się z 10 genów.
// Budujemy słownik chromosomów.
// Klucz słownika to kolejne liczby naturalne od zera, przyporządkowane do argumentów na osi x,
// które to argumenty wyrażone są wartościami od 0, 0.01, 0.02, itd. aż do 10.
Dictionary<int, Chromosom> ArrChrom = new Dictionary<int, Chromosom>();
// Warunek do 10.24 ponieważ chcemy mieć wszystkie możliwe do zapisania genotypy od 00 0000 0000 do 11 1111 1111
int key = 0;
for (double x = 0; x <= 10.24; x += WAGA)
{
ArrChrom.Add(key, new Chromosom()
{
// wagaDoubleToBin zwraca string, który np. dla x=0.01 wyniesie 00 0000 0001
genotyp = wagaDoubleToBin(x),
// Wartość funkcji f dla argumentu x będącego kolejnym krokiem o długości 0.01*n, gdzie n to numer kroku pętli for
fenotyp = f(x)
});
// Drukuj dodany do słownika chromosom
// Console.WriteLine("key: " + key + " (" + x + ") => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
key++;
}
// Testowe sprawdzenie poprawności działania metod wagaBinToDouble i wagaDoubleToBin
// Console.WriteLine(wagaBinToDouble("0000000001") + " = " + wagaDoubleToBin(0.01));
Random random = new Random();
int r; // przechowuje wylosowaną liczbę int
double rd; // przechowuje wylosowaną liczbę double
// przechowuje populację
List<Chromosom> Populacja = new List<Chromosom>();
// przechowuje najlepszy chromosom jaki udało nam się dotychczas uzyskać ze wszystkich generacji rozwijających się populacji
Chromosom NajlepszyChromosom = new Chromosom();
// kontrolny fenotyp przed ostatniego chromosomu do porównywania czy znaleźliśmy lepsze wyniki
double? PrzedOstatniNajlepszyFenotyp = null;
int LiczebnoscPoczatkowejPopulacji = 20;
// ustawienie warunku STOP na true spowoduje przerwanie tworzenia nowych generacji rozwijających się populacji
bool STOP = false;
int generacja = 0;
while (!STOP || generacja <= 10) // uruchamiamy conajmniej 10 generacje rozwijających się populacji
{
generacja++;
// czyścimy populacje przed rozpoczęciem nowej generacji
Populacja.Clear();
// startujemy w okolicy x=0.5 czyli np. wylosujemy liczbę 50 * 0.01 = 0,5
//r = random.Next(30, 70);
r = random.Next(0, 1024 - LiczebnoscPoczatkowejPopulacji);
rd = r * WAGA;
key = r;
// wybieramy 20 kolejnych po sobie osobników do populacji startowej
//double warunek = rd + (LiczebnoscPoczatkowejPopulacji * WAGA);
//for (double x = rd; x < warunek; x += WAGA)
//{
// //Console.WriteLine(x);
// Populacja.Add(ArrChrom[key]);
// Console.WriteLine("key: " + key + " (" + x + ") => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
// key++;
//}
// Wybieramy osobników w sposób losowy do populacji startowej.
// Daje to lepsze wyniki niż sposób kilka linijek wyżej, który pobiera 20 kolejnych po sobie osobników.
for (int i = 0; i < 20; i++)
{
key = random.Next(0, 1024); // wylosowana zostanie liczba od 0 do 1023 włącznie
Populacja.Add(ArrChrom[key]);
Console.WriteLine("key: " + key + " => { \n\tgenotyp: " + ArrChrom[key].genotyp + "\n\tfenotyp: " + ArrChrom[key].fenotyp + "\n}");
}
int whileWarunek = 0;
while(whileWarunek < 1024) // 1024 na sztywno liczba możliwych pętli do przeprowadzenia
{
whileWarunek++;
// szukanie najlepszych osobników
Console.WriteLine("\nSzukanie najlepszych osobników w danej populacji:");
// Przy pomocy LINQ budujemy zapytanie wybierające z populacji chromosomy posortowane od największej wartości fenotypu.
IEnumerable query = Populacja.OrderByDescending(chrom => chrom.fenotyp);
// przygotowanie zmiennych przechowujących genotyp rodzica
string rodzic1Genotyp = null;
string rodzic2Genotyp = null;
var l = 0;
foreach(Chromosom i in query)
{
//Console.WriteLine(i.fenotyp);
if (rodzic1Genotyp == null)
{
rodzic1Genotyp = i.genotyp;
NajlepszyChromosom = i; // zapisujemy ten genotyp bo ma najwyższą wartość f(x)
if (PrzedOstatniNajlepszyFenotyp != null)
{
if ((PrzedOstatniNajlepszyFenotyp - i.fenotyp) % WAGA < WAGA)
{
// możemy zakończyć poszukiwania ponieważ kolejny wynik różni się z dokładnością mniejszą niż 0.01
STOP = true;
}
}
PrzedOstatniNajlepszyFenotyp = i.fenotyp;
Console.WriteLine("Rodzic1 => { genotyp: " + i.genotyp + ", fenotyp: " + i.fenotyp + " }");
}
else
{
rodzic2Genotyp = i.genotyp;
Console.WriteLine("Rodzic2 => { genotyp: " + i.genotyp + ", fenotyp: " + i.fenotyp + " }");
}
// zatrzymujemy foreach po pobraniu dwóch genotypów
if (l++ > 0)
break;
}
// krzyżowanie rodziców
Console.WriteLine("\nKrzyżowanie rodziców:");
string dziecko1Genotyp = rodzic1Genotyp.Substring(0, 5) + rodzic2Genotyp.Substring(5, 5);
string dziecko2Genotyp = rodzic2Genotyp.Substring(0, 5) + rodzic1Genotyp.Substring(5, 5);
Console.WriteLine("Dziecko1: " + dziecko1Genotyp);
Console.WriteLine("Dziecko2: " + dziecko2Genotyp);
// mutacja z pewnym prawdopodobieństwem zadanym w metodzie mutacja()
string mutacja1 = mutacja(dziecko1Genotyp);
if (mutacja1 != null)
{
dziecko1Genotyp = mutacja1;
Console.WriteLine("Mutacja Dziecka1: " + dziecko1Genotyp);
}
string mutacja2 = mutacja(dziecko2Genotyp);
if (mutacja2 != null)
{
dziecko2Genotyp = mutacja2;
Console.WriteLine("Mutacja Dziecka2: " + dziecko2Genotyp);
}
// znajdujemy obiekty dzieci w słowniku ArrChrom
query = from p in Populacja where p.genotyp.Equals(dziecko1Genotyp) || p.genotyp.Equals(dziecko2Genotyp) select p;
int dzieckoWarunekStopu = 0;
foreach (Chromosom current in query)
{
// jeśli dany chromosom jeszcze nie istnieje w populacji to możemy go dodać
if (!Populacja.Any(chromosom => chromosom.fenotyp == current.fenotyp))
{
Populacja.Add(current);
Console.WriteLine("+ Dodano chromosom dziecko " + current.genotyp + " do populacji.");
}
else
{
Console.WriteLine("- Nie dodano chromosomu dziecka " + current.genotyp + " do populacji ponieważ już w niej istnieje.");
dzieckoWarunekStopu++;
}
}
if (dzieckoWarunekStopu == 2)
{
// Od komentować poniższe 3 linie w /* takim komentarzu */ jeżeli chcemy zatrzymać pętlę w przypadku pojawienia się dzieci o takich
// samych genotypach jak osobniki już w populacji.
//
// Gdy dzieci mają takie same genotypy jak osobniki już istniejące w populacji to nadal ci sami rodzice będą
// dominować w populacji. Czynnikiem, który może spowodować pojawienie się potomków nie dublujących się jest:
// a) populacja składa się z losowych chromosomów przez co rzadko będą dublować się otrzymane dzieci z osobnikami w populacji.
// b) wprowadzono mutacje u dzieci dzięki temu istnieje szansa na pojawienie się dziecka o odmiennym genotypie (to rozwiązanie przyjęto w tym programie).
//
/*
Console.WriteLine("Koniec tej populacji. Rodzice są dominujący i nie pojawiają się dzieci o lepszych genach.");
Console.WriteLine("----------------------------------");
break;
*/
}
Console.WriteLine("----------------------------------");
} // koniec while
} // koniec while generacji
// Wyświetlamy najlepszy chromosom dotychczas znaleziony.
Console.WriteLine("\n\nNajlepszy chromosom => { \n\tgenotyp: " + NajlepszyChromosom.genotyp + "\n\tfenotyp: " + NajlepszyChromosom.fenotyp + "\n}");
Console.WriteLine("\nKONIEC");
Console.ReadKey();
}
