-
Notifications
You must be signed in to change notification settings - Fork 0
/
algoritmo_genetico.py
186 lines (126 loc) · 5.24 KB
/
algoritmo_genetico.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
# -*- coding: utf-8 -*-
"""
Created on Tue Oct 10 11:56:22 2023
@author: BetoB
"""
import random
from sympy import Abs, sin
def AlgoritmoGenetico(numInd, Cromosomas, ProbEmp, ProbMutacion, Generaciones):
print("Tamaño población inicial:", numInd)
Individuos = []
MejoresInd = []
for _ in range(numInd):
Individuos.append([0] * Cromosomas)
# Generar la primera generación
for i in range(len(Individuos)):
for j in range(4):
if random.uniform(0, 1) < 0.5:
Individuos[i][j] = 0
else:
Individuos[i][j] = 1
print("Generación de individuos:", Individuos)
# Evaluación de los individuos con la Función Fitness
ResFitness = []
for i in range(len(Individuos)):
decimal = BinarioADecimal(Individuos[i])
ResFitness.append(round(float(F(decimal)),4))
print("Resultados Función Fitness 1ra Gen:", ResFitness)
for k in range(Generaciones):
print("\n\nGENERACIÓN:", k+1)
# Suma de resultados de la función fitness, utilizados para la función de probabilidades
SumResultados = sum(ResFitness)
# Función de probabilidades de emparejamiento
Probs = []
for rf in ResFitness:
Probs.append(round(rf / SumResultados,4))
print("Probabilidades de emparejamiento:", Probs)
# Evaluación de emparejamiento de ind con base en las probabilidades
SumProbs = 0
IndAEmp = []
for j in range(len(Probs)):
if j > 0:
SumProbs += Probs[j - 1]
if random.uniform(0, 1) <= Probs[j] + SumProbs:
IndAEmp.append(Individuos[j])
print("Individuos a emparejar:", IndAEmp)
Emparejamiento = False
print("Probabilidad de emparejamiento:", ProbEmp)
# Evaluar si habrá emparejamiento en la generación
if random.uniform(0, 1) < ProbEmp:
Emparejamiento = True
print("Emparejamiento:", Emparejamiento)
print("Los individuos son: ")
if(len(IndAEmp) % 2 == 0): print("pares")
else: print("impares")
if Emparejamiento and len(IndAEmp) % 2 == 0:
print("Hubo emparejamiento en esta generación...")
# Generar punto de corte
PuntoCorte = 0
Division = 1 / (Cromosomas - 1)
Division = float(Division)
SumDivision = 0
for j in range(Cromosomas - 1):
SumDivision += Division
if random.uniform(0, 1) < SumDivision:
PuntoCorte = j
break
print("Punto de corte:", PuntoCorte)
# Generar nuevos individuos
BitsACruzar = []
for i in range(len(IndAEmp)):
BitsACruzar.append(IndAEmp[i][PuntoCorte])
print("Bits a cruzar según el punto de corte:", BitsACruzar)
NewIndividuos = IndAEmp
# Modificar los nuevos individuos
for i in range(len(NewIndividuos)):
if i % 2 == 0:
NewIndividuos[i][PuntoCorte] = BitsACruzar[i+1]
else:
NewIndividuos[i][PuntoCorte] = BitsACruzar[i-1]
print("Nuevos individuos:", NewIndividuos)
# Mutación
print("Probabilidad de mutación:", ProbMutacion)
for i in range(len(NewIndividuos)):
for j in range(Cromosomas):
if random.uniform(0, 1) < ProbMutacion:
if NewIndividuos[i][j] == 0:
NewIndividuos[i][j] = 1
else:
NewIndividuos[i][j] = 0
print("Nuevos individuos con mutaciones:", NewIndividuos)
# Evaluación de los individuos con la Función Fitness
ResFitness = []
MejorAptitud = 0
MejorInd = 0
for i in range(len(NewIndividuos)):
decimal = BinarioADecimal(NewIndividuos[i])
ResFitness.append(round(float(F(decimal)),4))
if ResFitness[i] > MejorAptitud:
MejorAptitud = ResFitness[i]
MejorInd = (NewIndividuos[i], ResFitness[i])
print("Resultados Función Fitness:", ResFitness)
print("Mejor individuo:", MejorInd)
MejoresInd.append(MejorInd)
Individuos = NewIndividuos
else:
print("NO Hubo emparejamiento en esta generación...")
#print("\nMejores individuos:", MejoresInd)
return MejoresInd
def BinarioADecimal(numero_binario):
numero_decimal = 0
for i in range(len(numero_binario) - 1, -1, -1):
numero_decimal += numero_binario[i] * 2**i
return numero_decimal
def F(x):
return Abs((x - 5) / (2 + sin(x)))
'''
def Main():
numInd = int(input("Poblacion inicial: "))
Cromosomas = int(input("Cromosomas iniciales: "))
ProbEmp = float(input("Probabilidad de Emparejamiento: "))
ProbMutacion = float(input("Probabilidad de Mutacion: "))
Generaciones = int(input("Generaciones a calcular: "))
os.system('cls')
AlgoritmoGenetico(numInd, Cromosomas, ProbEmp, ProbMutacion, Generaciones)
Main()
'''