/// <summary>
/// konstruktor tworzy genotyp i ewentualnie losuje wartości genów ( przy krzyżowaniu wstrzykiwane sa geny)
/// </summary>
/// <param name="length">długość genotypu( ilość wymiarów funkcji)</param>
/// <param name="algorithm">instancja algorytmu dla którego wykownywana jest optymalizacja</param>
/// <param name="generateRandomGenes">czy losować geny</param>
public Genotype(int length, GeneticAlgorithm algorithm, bool generateRandomGenes = true)
{
Length = length;
geneticAlgorithm = algorithm;
if (generateRandomGenes)
{
Genes = GenerateGenes();
}
else
{
Genes = new BitArray(Length * 32);
}
}
static void Main(string[] args)
{
// domyślne parametry
int populationSize = 100;
int numberOfGenerations = 1000;
float mutationRate = 0.8F;
float reproductionRate = 0.8F;
float crossoverRate = 0.8F;
int genotypeSize = 2;
int tournamentSize = 10;
int eliteSize = 20;
// czytanie parametrów podanych przy wywołaniu
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("Parametry do podania nalezy podawać po kolei oddzielone spacjami");
Console.WriteLine("1. rozmiar populacji integer");
Console.WriteLine("2. ilość generacji integer");
Console.WriteLine("3. prawdopodobieństwo mutacji float np. 0,8");
Console.WriteLine("4. prawdopodobieństwo reprodukcji float");
Console.WriteLine("5. prawdopodobieństwo krzyżowania float");
Console.WriteLine("6. rozmiar genotypu (ilość wymiarów funkcji) integer");
Console.WriteLine("7. Wielkość turnieju integer");
Console.WriteLine("8. Wielkość elity integer");
return;
}
else if (argsCount != 8)
{
Console.WriteLine("nie prawidłowa ilość parametrów. skorzystaj z opcji -help");
return;
}
else
{
populationSize = Convert.ToInt32(args[0]);
numberOfGenerations = Convert.ToInt32(args[1]);
mutationRate = Convert.ToSingle(args[2]);
reproductionRate = Convert.ToSingle(args[3]);
crossoverRate = Convert.ToSingle(args[4]);
genotypeSize = Convert.ToInt32(args[5]);
tournamentSize = Convert.ToInt32(args[6]);
eliteSize = Convert.ToInt32(args[7]);
}
}
// zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var bestGenotypes = new List<Genotype>();
var bestGenotypesGeneration = new List<int>();
// wykonanie algorytmu dziesięciokrotnie
for (int i = 0; i < 10; i++)
{
var algorithm = new GeneticAlgorithm(populationSize, numberOfGenerations, mutationRate, reproductionRate, crossoverRate, genotypeSize, tournamentSize, eliteSize, function);
algorithm.Run();
// zapis najlepszych osobników
bestGenotypes.Add(algorithm.BestGenotype);
bestGenotypesGeneration.Add(algorithm.BestGenotypeGeneration);
}
// zapis do pliku
FileStream fs = new FileStream(DateTime.Now.ToString("HH_mm_ss") + ".csv", FileMode.Create);
StreamWriter sw = new StreamWriter(fs);
Console.SetOut(sw);
Console.WriteLine("Generacja najlepszego Genotypu; Wartość najlepszego Genotypu;");
for (int i = 0; i < 10; i++)
{
Console.WriteLine("{0};{1}", bestGenotypesGeneration[i], bestGenotypes[i].FunctionValue.ToString("0.000000000"));
}
Console.WriteLine("Średnia wartość;Nalepsza wartość;Najgorsza wartość");
Console.WriteLine("{0};{1};{2}", bestGenotypes.Average(g => g.FunctionValue), bestGenotypes.Min(g => g.FunctionValue), bestGenotypes.Max(g => g.FunctionValue));
Console.WriteLine("Średnia ilość epok;Nalepsza ilość epok;Najgorsza ilość epok");
Console.WriteLine("{0};{1};{2}", bestGenotypesGeneration.Average(), bestGenotypesGeneration.Min(), bestGenotypesGeneration.Max());
sw.Flush();
fs.Flush(true);
fs.Close();
}
