public static void Main(string[] args)
{
//Define a solução
Algoritimo.Solucao = "Algorítimos Genéticos, AGs, são métodos de busca inspirados na evolução dos seres vivos, introduzidos por John Holland e popularizados por um de seus alunos, David Goldberg, seguem o princípio da seleção natural e sobrevivência dos mais aptos, segundo Charles Darwin.";
//Define os caracteres existentes
Algoritimo.Caracteres = "!,.:;?áÁãÃâÂõÕôÔóÓéêíÉÊQWERTYUIOPASDFGHJKLÇZXCVBNMqwertyuiopasdfghjklçzxcvbnm1234567890 ";
//taxa de crossover de 60%
Algoritimo.TaxaDeCrossover = 0.6;
//taxa de mutação de 3%
Algoritimo.TaxaDeMutacao = 0.3;
//elitismo
bool eltismo = true;
//tamanho da população
int tamPop = 100;
//numero máximo de gerações
int numMaxGeracoes = 10000;
//define o número de genes do indivíduo baseado na solução
int numGenes = Algoritimo.Solucao.Length;
//cria a primeira população aleatérioa
Populacao populacao = new Populacao(numGenes, tamPop);
bool temSolucao = false;
int geracao = 0;
Console.WriteLine("Iniciando... Aptidão da solução: " + Algoritimo.Solucao.Length);
//loop até o critério de parada
while (!temSolucao && geracao < numMaxGeracoes)
{
geracao++;
//cria nova populacao
populacao = Algoritimo.novaGeracao(populacao, eltismo);
Console.WriteLine("Geração " + geracao + " | Aptidão: " + populacao.getIndivduo(0).Aptidao + " | Melhor: " + populacao.getIndivduo(0).Genes);
//verifica se tem a solucao
temSolucao = populacao.temSolocao(Algoritimo.Solucao);
}
if (geracao == numMaxGeracoes)
{
Console.WriteLine("Número Maximo de Gerações | " + populacao.getIndivduo(0).Genes + " " + populacao.getIndivduo(0).Aptidao);
}
if (temSolucao)
{
Console.WriteLine("Encontrado resultado na geração " + geracao + " | " + populacao.getIndivduo(0).Genes + " (Aptidão: " + populacao.getIndivduo(0).Aptidao + ")");
}
}
public static Individuo[] selecaoTorneio(Populacao populacao)
{
Random r = new Random();
Populacao populacaoIntermediaria = new Populacao(3);
//seleciona 3 indivíduos aleatóriamente na população
populacaoIntermediaria.Individuo = populacao.getIndivduo(r.Next(populacao.TamPopulacao));
populacaoIntermediaria.Individuo = populacao.getIndivduo(r.Next(populacao.TamPopulacao));
populacaoIntermediaria.Individuo = populacao.getIndivduo(r.Next(populacao.TamPopulacao));
//ordena a população
populacaoIntermediaria.ordenaPopulacao();
Individuo[] pais = new Individuo[2];
//seleciona os 2 melhores deste população
pais[0] = populacaoIntermediaria.getIndivduo(0);
pais[1] = populacaoIntermediaria.getIndivduo(1);
return pais;
}
public static Populacao novaGeracao(Populacao populacao, bool elitismo)
{
Random r = new Random();
//nova população do mesmo tamanho da antiga
Populacao novaPopulacao = new Populacao(populacao.TamPopulacao);
//se tiver elitismo, mantém o melhor indivíduo da geração atual
if (elitismo)
{
novaPopulacao.Individuo = populacao.getIndivduo(0);
}
//insere novos indivíduos na nova população, até atingir o tamanho máximo
while (novaPopulacao.NumIndividuos < novaPopulacao.TamPopulacao)
{
//seleciona os 2 pais por torneio
Individuo[] pais = selecaoTorneio(populacao);
Individuo[] filhos = new Individuo[2];
//verifica a taxa de crossover, se sim realiza o crossover, se não, mantém os pais selecionados para a próxima geração
if (r.NextDouble() <= taxaDeCrossover)
{
filhos = crossover(pais[1], pais[0]);
}
else
{
filhos[0] = new Individuo(pais[0].Genes);
filhos[1] = new Individuo(pais[1].Genes);
}
//adiciona os filhos na nova geração
novaPopulacao.Individuo = filhos[0];
novaPopulacao.Individuo = filhos[1];
}
//ordena a nova população
novaPopulacao.ordenaPopulacao();
return novaPopulacao;
}