public Genotype(int length, EvolutionStrategy algorithm)
{
EvolutionStrategy = algorithm;
Length = length;
Genes = GenerateGenes();
}
public Genotype(int length, EvolutionStrategy algorithm)
{
EvolutionStrategy = algorithm;
Length = length;
Genes = GenerateGenes();
}
static void Main(string[] args)
{
int mu = 70; //liczba osobnikow w populacji P, parametr μ, mu
int lambda = 230; // liczba osobnikow w populacji O, parametr sigma
int generationSize = 250; //liczba mozliwych generacji populacji
int genotypeSize = 2; //rozmiar genotypu, ilość wymiarów funkcji
float mutationRate = 0.8F; //współczynnik mutacji
float crossoverRate = 0.8F; //wspołczynnik krzyżowania
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("#### Optimization of Rosenbrock function. Enjoy! ####");
Console.WriteLine("Please use space between your parameters.");
Console.WriteLine("1. Size of population (μ parameter)");
Console.WriteLine("2. Size of next population (lambda parameter)");
Console.WriteLine("3. Size of generation");
Console.WriteLine("4. Size of genotype");
Console.WriteLine("5. Mutation rate <0,1>");
Console.WriteLine("6. Crossover rate <0,1>");
return;
}
else if (argsCount > 6 || argsCount < 0)
{
Console.WriteLine("Wrong q-ty of given parameters. Type -help to see help msg.");
return;
}
else
{
mu = Convert.ToInt32(args[0]);
lambda = Convert.ToInt32(args[1]);
generationSize = Convert.ToInt32(args[2]);
genotypeSize = Convert.ToInt32(args[3]);
mutationRate = Convert.ToSingle(args[4]);
crossoverRate = Convert.ToSingle(args[5]);
}
}
Console.WriteLine("Start #Rosenbrock function optymalization. Use standard values....");
//zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var BestGenotypes = new List<double>();
Console.WriteLine("Otrzymalem dane: ");
Console.WriteLine("1. Rozmiar pierwszej populacji (mu): " + mu);
Console.WriteLine("2. Rozmiar populacji potomków (sigma): " + lambda);
Console.WriteLine("3. Liczba generacji: " + generationSize);
Console.WriteLine("4. Prawdopodobieństwo mutacji <0,1>: " + mutationRate);
Console.WriteLine("5. Prawdopodobieństwo krzyżowania: " + crossoverRate);
Console.WriteLine("6. Rozmiar genotypu (argumentów funkcji): " + genotypeSize);
var algorithm = new EvolutionStrategy(mu, lambda, generationSize, mutationRate, crossoverRate, genotypeSize, function);
Program.results.WriteLine("Data: {0} Parametry: mu: {1} lambda: {2}", DateTime.Now.ToString("yyyy-MM-dd HH_mm_ss"), mu, lambda);
//wykonanie algorytmu dokladnie 10 razy
for (int i = 1; i <= 10; i++)
{
Console.WriteLine();
Console.WriteLine("Iteracja numer: " + i);
Program.results.WriteLine("Iteracja numer: {0}. Poniżej najlepsze genotypy", i);
algorithm.Run();
Program.results.WriteLine(" BEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
Console.WriteLine("\t\tBEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
BestGenotypes.Add(algorithm.BestGenotype.Min());
}
Program.results.WriteLine("KONIEC: Najgorszy: {0}", BestGenotypes.Max().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Średni: {0}", BestGenotypes.Average().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Najlepszy: {0}", BestGenotypes.Min().ToString("0.000000000"));
//zamkniecie pliku
results.WriteLine();
results.Close();
}
static void Main(string[] args)
{
int mu = 70; //liczba osobnikow w populacji P, parametr μ, mu
int lambda = 230; // liczba osobnikow w populacji O, parametr sigma
int generationSize = 250; //liczba mozliwych generacji populacji
int genotypeSize = 2; //rozmiar genotypu, ilość wymiarów funkcji
float mutationRate = 0.8F; //współczynnik mutacji
float crossoverRate = 0.8F; //wspołczynnik krzyżowania
var argsCount = args.Count();
if (argsCount >= 1)
{
if (args[0] == "-help")
{
Console.WriteLine("#### Optimization of Rosenbrock function. Enjoy! ####");
Console.WriteLine("Please use space between your parameters.");
Console.WriteLine("1. Size of population (μ parameter)");
Console.WriteLine("2. Size of next population (lambda parameter)");
Console.WriteLine("3. Size of generation");
Console.WriteLine("4. Size of genotype");
Console.WriteLine("5. Mutation rate <0,1>");
Console.WriteLine("6. Crossover rate <0,1>");
return;
}
else if (argsCount > 6 || argsCount < 0)
{
Console.WriteLine("Wrong q-ty of given parameters. Type -help to see help msg.");
return;
}
else
{
mu = Convert.ToInt32(args[0]);
lambda = Convert.ToInt32(args[1]);
generationSize = Convert.ToInt32(args[2]);
genotypeSize = Convert.ToInt32(args[3]);
mutationRate = Convert.ToSingle(args[4]);
crossoverRate = Convert.ToSingle(args[5]);
}
}
Console.WriteLine("Start #Rosenbrock function optymalization. Use standard values....");
//zmienne tymczasowe
var function = new FunctionToOptimize(Function);
var BestGenotypes = new List <double>();
Console.WriteLine("Otrzymalem dane: ");
Console.WriteLine("1. Rozmiar pierwszej populacji (mu): " + mu);
Console.WriteLine("2. Rozmiar populacji potomków (sigma): " + lambda);
Console.WriteLine("3. Liczba generacji: " + generationSize);
Console.WriteLine("4. Prawdopodobieństwo mutacji <0,1>: " + mutationRate);
Console.WriteLine("5. Prawdopodobieństwo krzyżowania: " + crossoverRate);
Console.WriteLine("6. Rozmiar genotypu (argumentów funkcji): " + genotypeSize);
var algorithm = new EvolutionStrategy(mu, lambda, generationSize, mutationRate, crossoverRate, genotypeSize, function);
Program.results.WriteLine("Data: {0} Parametry: mu: {1} lambda: {2}", DateTime.Now.ToString("yyyy-MM-dd HH_mm_ss"), mu, lambda);
//wykonanie algorytmu dokladnie 10 razy
for (int i = 1; i <= 10; i++)
{
Console.WriteLine();
Console.WriteLine("Iteracja numer: " + i);
Program.results.WriteLine("Iteracja numer: {0}. Poniżej najlepsze genotypy", i);
algorithm.Run();
Program.results.WriteLine(" BEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
Console.WriteLine("\t\tBEST: {0}", algorithm.BestGenotype.Min().ToString("0.000000000"));
BestGenotypes.Add(algorithm.BestGenotype.Min());
}
Program.results.WriteLine("KONIEC: Najgorszy: {0}", BestGenotypes.Max().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Średni: {0}", BestGenotypes.Average().ToString("0.000000000"));
Program.results.WriteLine("KONIEC: Najlepszy: {0}", BestGenotypes.Min().ToString("0.000000000"));
//zamkniecie pliku
results.WriteLine();
results.Close();
}
