/// <summary>
/// Evaluates chromosome.
/// </summary>
///
/// <param name="chromosome">Chromosome to evaluate.</param>
///
/// <returns>Returns chromosome's fitness value.</returns>
///
/// <remarks>The method calculates fitness value of the specified
/// chromosome.</remarks>
///
public double Evaluate(IChromosome chromosome)
{
double PROBABLY_ZERO = 1.11E-15;
double BIG_NUMBER = 1.0e15;
// get function in polish notation
string function = chromosome.ToString( );
//verifica se na expressao gerada possui pelo menos um dado de entrada (x), senao retorna maior numero
if (function.IndexOf("X", 0) >= 0)
{
// go through all the data
double error = 0.0;
for (int i = 0, n = data.GetLength(0); i < n; i++)
{
// put next X value to variables list
// variables[0] = data[i, 0];
// avoid evaluation errors
try
{
// evalue the function
double y = PolishGerExpression.Evaluate(function, variables, i);
// check for correct numeric value
if (double.IsNaN(y))
{
return(BIG_NUMBER); //0;
}
if (!(y < BIG_NUMBER)) // *NOT* (input.x >= BIG_NUMBER)
{
y = BIG_NUMBER;
}
else if (y < PROBABLY_ZERO) // slightly off
{
y = 0.0;
}
// get the difference between evaluated Y and real Y
// and sum error
error += Math.Abs(y - data[i, 0]);
}
catch
{
return(BIG_NUMBER); //0;
}
}
// return optimization function value
//return 100.0 / ( error + 1 );
return(error);
}
else
{
return(BIG_NUMBER); //0;
}
}
public void SearchSolution()
{
WriteData saida = new WriteData();
// create fitness function
MMREFitness fitness = new MMREFitness(data);
//SymbolicRegressionFitness fitness = new SymbolicRegressionFitness(data, new double[] { 1, 2, 3, 5, 7, 9});
// create gene function
IGPGene gene = (functionsSet == 0) ? (IGPGene) new SimpleGeneFunction(data.GetLength(0)) : (IGPGene) new ExpressionGeneFunction(data.GetLength(0));
// create population
Population population = new Population(populationSize, (geneticMethod == 0) ?
(IChromosome) new GPTreeChromosome(gene) :
(IChromosome) new GEPChromosome(gene, 15),
fitness,
(selectionMethod == 0) ? (ISelectionMethod) new EliteSelection() :
(selectionMethod == 1) ? (ISelectionMethod) new RankSelection() :
(ISelectionMethod) new RouletteWheelSelection()
);
// iterations ou numero de gerações a serem utilizadas
int i = 1;
// solution array
double[,] solution = new double[data.GetLength(0), 2];
double[] input = new double[data.GetLength(0)];
double[] output = new double[data.GetLength(0)];
//double[] input = new double[1];
// Alexander - Define o valor de entrada X com base no dataset
for (int j = 0; j < data.GetLength(0); j++)
{
input[j] = data[j, 1];
}
// Alexander - Define se saida sera baseada na função ou nos dados existentes no dataset
for (int j = 0; j < data.GetLength(0); j++)
{
if (useFunction)
{
output[j] = func(input[j]);
}
else
{
output[j] = data[j, 0];
}
System.Console.WriteLine(String.Format("{0:N}", input[j]) + ", " + String.Format("{0:N}", output[j]));
}
// loop
while (!needToStop)
{
System.Console.WriteLine("Geração: " + i.ToString());
hits = 0;
if (i <= 1)
{
//Grava a população gerada e seu fitness em cada rodada
nomearq = "Populacao" + ((geneticMethod == 0) ? "_GP_" : "_GEP_") + dataset + "_" + executions.ToString() + "_" + "Geracao_" + i.ToString() + "_";
saida.escreveArquivo("Geracao: " + i.ToString() + "\r\n" + population.toString(), nomearq, 1);
nomearq = "AnalisedeTempo" + ((geneticMethod == 0) ? "_GP_" : "_GEP_") + dataset + "_" + executions.ToString() + "_" + iterations.ToString();
saida.escreveArquivo("DataSet" + "\t" + "Metodo" + "\t" + "Geracao" + "\t" + "MMRE" + "\r\n", nomearq, 0);
}
// run one epoch of genetic algorithm
population.ActualGeneration = i;
//population.RunEpoch();
//population.FindBestChromosome();
try
{
// get best solution
population.FindBestChromosome();
string bestFunction = population.BestChromosome.ToString().Trim();
System.Console.WriteLine("Função: " + RPN2Infix.PostfixToInfix(bestFunction));
npred = 0;
sum = 0.0;
error = 0.0;
pred = 0.00;
double result = 0.0;
double resultgerado = 0.0;
// calculate best function
for (int j = 0; j < data.GetLength(0); j++)
{
double HIT_LEVEL = 0.01;
double PROBABLY_ZERO = 1.11E-15;
double BIG_NUMBER = 1.0e15;
System.Console.WriteLine("Valor de entrada: " + input[j]);
resultgerado = PolishGerExpression.Evaluate(bestFunction, input, j);
// fitness (atual - estimado) / atual
result = Math.Abs((output[j] - resultgerado) / output[j]);
if (!(result < BIG_NUMBER)) // *NOT* (input.x >= BIG_NUMBER)
{
result = BIG_NUMBER;
}
else if (result < PROBABLY_ZERO) // slightly off
{
result = 0.0;
}
if (result <= HIT_LEVEL)
{
hits++; // whatever!
}
//Somatorio do erro
sum += result;
//Somatoria do pred com 25%
if ((resultgerado <= output[j] * 1.25) && (resultgerado >= output[j] * 0.75))
{
npred++;
}
//impressao dos dados gerados e esperados
System.Console.WriteLine(" Valor gerado: " + resultgerado + " resultado esperado: " + data[j, 0] + " erro relativo: " + result);
}
// calculate error MMRE
error = sum / data.GetLength(0);
//calculate Pred(25%)
pred = (((double)npred) / data.GetLength(0));
if (error < bestMMRE)
{
bestMMRE = error;
nomearq = "AnalisedeTempo" + ((geneticMethod == 0) ? "_GP_" : "_GEP_") + dataset + "_" + executions.ToString() + "_" + iterations.ToString();
saida.escreveArquivo(dataset + "\t" + ((geneticMethod == 0) ? "GP" : "GEP") + "\t" + i.ToString() + "\t" + bestMMRE.ToString() + "\r\n", nomearq, 0);
}
System.Console.WriteLine("Erro acumulado: " + sum);
System.Console.WriteLine("Erro Médio: " + error);
System.Console.WriteLine("Hits: " + hits);
System.Console.WriteLine("");
}
catch (Exception e)
{
System.Console.WriteLine(e.Message);
}
// increase current iteration/geracao
i++;
//
if ((iterations != 0) && (i > iterations))
{
//break;
needToStop = true;
}
else
{
population.RunEpoch();
}
}
// show solution
//System.Console.WriteLine(population.BestChromosome.ToString());
string expressao = population.BestChromosome.ToString().Trim();
string expressaosubst = PolishGerExpression.SubstituteVariables(expressao, input);
string expressaosimpl = PolishGerExpression.SimplifyExpression(expressaosubst);
string resultado = "";
resultado = "Expressão NPR gerada: " + expressao + "\r\n";
resultado = resultado + "Expressão formatada 1: " + (RPN2Infix.PostfixToInfix(expressao)) + "\r\n";
resultado = resultado + "Expressão formatada 2: " + (RPN2Infix.Parse(expressao.Replace(",", "."))) + "\r\n";
//resultado = resultado + "Expressão NPR com substitução: " + expressaosubst + "\r\n";
//resultado = resultado + "Expressão com substitução formatada: " + RPN2Infix.PostfixToInfix(expressaosubst) + "\r\n";
//resultado = resultado + "Expressão NPR com substitução simplificada: " + expressaosimpl + "\r\n";
resultado = resultado + "Expressão com substitução simplificada formatada: " + RPN2Infix.PostfixToInfix(expressaosimpl) + "\r\n";
resultado = resultado + "Resultado para a expressão: " + "\r\n"; // +testeexpressao + "\r\n";
resultado = resultado + "Erro acumulado: " + sum.ToString() + "\r\n";
resultado = resultado + "Erro Médio: " + error.ToString() + "\r\n";
resultado = resultado + "Pred(25): " + pred.ToString() + "\r\n";
resultado = resultado + "Hits: " + hits.ToString() + "\r\n";
resultado = resultado + "Geração: " + population.BestGeneration + "\r\n";
nomearq = "Resultado" + ((geneticMethod == 0) ? "_GP_" : "_GEP_") + dataset + "_" + executions.ToString() + "_";
saida.escreveArquivo(resultado, nomearq, 1);
nomearq = "Experimento" + ((geneticMethod == 0) ? "_GP_" : "_GEP_");
saida.escreveArquivo(dataset + "\t" + ((geneticMethod == 0) ? "GP" : "GEP") + "\t" + executions.ToString() + "\t" + error.ToString() + "\t" + pred.ToString() + "\r\n", nomearq, 0);
//System.Console.WriteLine("Fim do Programa");
}
/// <summary>
/// Evaluates chromosome.
/// </summary>
///
/// <param name="chromosome">Chromosome to evaluate.</param>
///
/// <returns>Returns chromosome's fitness value.</returns>
///
/// <remarks>The method calculates fitness value of the specified
/// chromosome.</remarks>
///
public double Evaluate(IChromosome chromosome) //IChromosome
{
double PROBABLY_ZERO = 1.11E-15;
double BIG_NUMBER = 1.0e15;
// get function in polish notation
string function = chromosome.ToString( );
//verifica se na expressao gerada possui pelo menos um dado de entrada (x), senao retorna 0
if (function.IndexOf("X", 0) >= 0)
{
// go through all the data
double error = 0.0;
double result = 0.0;
for (int i = 0, n = data.GetLength(0); i < n; i++)
{
// put next X value to variables list
//variables[0] = data[i, 1];
// avoid evaluation errors
try
{
// evalue the function
double y = PolishGerExpression.Evaluate(function, variables, i);
// check for correct numeric value
if (double.IsNaN(y))
{
return(BIG_NUMBER); //0; y = BIG_NUMBER; //0;
}
//(atual - estimado) / atual
result = Math.Abs(data[i, 0] - y) / (data[i, 0]);
if (!(result < BIG_NUMBER)) // *NOT* (input.x >= BIG_NUMBER)
{
result = BIG_NUMBER;
}
else if (result < PROBABLY_ZERO) // slightly off
{
result = 0.0;
}
error += result;
//System.Console.WriteLine(i + " function: " + function + " erro: " + error);
}
catch
{
return(BIG_NUMBER); //0;
}
}
// return function average value
// System.Console.WriteLine(" Media erro: " + error / data.GetLength(0));
return(error / data.GetLength(0));
}
else
{
return(BIG_NUMBER); //0;
}
}