для научное работы мне нужно подробно описать код программы: import numpy as np import…
- User
для научное работы мне нужно подробно описать код программы: import numpy as np import tkinter as tk from tkinter import * from pylab import * import matplotlib.pyplot as plt from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg import random
def clicked1(): G=0 #число поколений min_f=int(txt2.get()) max_f=int(txt3.get()) G_main=int(txt7.get()) A1=float(txt4.get()) A2=float(txt5.get()) Z=int(txt6.get()) #кол-во организмов N=int(txt1.get()) #кол-во генов Pm=float(txt9.get()) #вероятность мутации Pvm=float(txt10.get()) #вероятность выживания более приспособленного после мутации Pv=float(txt11.get()) Q=int(int(txt8.get())) graf_y = np.zeros((G_main),dtype=np.int32) graf_x = np.zeros((G_main),dtype=np.int32) for i in range(G_main): graf_x[i]=i
Species = np.zeros(((2*Z),N),dtype=np.int32) for i in range(Z): for j in range(N): Species[i][j] = random.randint(0, 1) #генерация Z случайных организмов Values_f = np.zeros((N),dtype=np.int32) Weights_f = np.zeros((N),dtype=np.int32) if(radVar.get()==1): with open('weights.txt', 'r') as f1: Weights_f = np.array([int(i) for i in f1.read().split()]) with open('values.txt', 'r') as f2: Values_f = np.array([int(i) for i in f2.read().split()]) else: for i in range(N): Values_f[i]=random.randint(min_f, max_f) np.savetxt("values.txt", Values_f, fmt="%s") for i in range(N): Weights_f[i]=random.randint(min_f, max_f) np.savetxt("weights.txt", Weights_f, fmt="%s") def Fitness(A): z1 = 0 z2 = 0 for i in range(N): if A[i] == 1: z1 += Values_f[i] z2 += Weights_f[i] z = A1 * z1 - A2 * z2 return z while(G<G_main): FlagParents=np.zeros(Z,dtype=bool) d = N / 10.0 Sz = int(d) Lmin = Sz # наименьшая и наибольшая точка разреза хромосомы Lmax = N - Sz for i in range(Z): FlagParents[i] = False # вначале все особи могут быть родителями # воспроизводство z - число особей + потомков, q - число потомков z = Z # вначале потомков нет q = 0 P1 = np.zeros((N),dtype=np.int32) P2 = np.zeros((N),dtype=np.int32) while q < Q: k1 = random.randint(0, Z-1) k2 = random.randint(0, Z-1) if FlagParents[k1] or FlagParents[k2] or k1 == k2: continue # построение двух потомков k = Lmin + int((Lmax - Lmin) * random.random()) # обмен хромосон for i in range(0,k): P1[i]=Species[k1][i] for i in range(k,N): P1[i]=Species[k2][i] for i in range(0,k): P2[i]=Species[k2][i] for i in range(k,N): P2[i]=Species[k1][i] Species[z] = P1[:] Species[z + 1] = P2[:] z += 2 FlagParents[k1] = True # эти родителями уже были FlagParents[k2] = True q += 1 #воспроизводство for z in range(Z + 2 * Q): # по всем организмам P1 = Species[z].copy() P2 = P1.copy() # P1 исходная особь P2 - мутант for i in range(N): d = random.random() if d < Pm: # мутация if P2[i] == 1: P2[i] = 0 else: P2[i] = 1 f1 = Fitness(P1) # приспособленность f2 = Fitness(P2) d = random.random() if f1 > f2: if d < Pvm: # останется более приспособленный # с вероятностью Pvm Species[z] = P1.copy() else: Species[z] = P2.copy() else: if d < Pvm: Species[z] = P2.copy() else: Species[z] = P1.copy() #мутация FlagDuel = np.zeros((2*Q+Z),dtype=np.bool_) FlagDelete = np.zeros((2*Q+Z),dtype=np.bool_) for i in range(Z + 2 * Q): FlagDuel[i] = False # вначале в дуэли не участвовали FlagDelete[i] = False # пока все живы z = Z + 2 * Q q = z while z > Z: # пока не останется снова Z организмов k1 = random.randint(0, q-1) k2 = random.randint(0, q-1) if FlagDuel[k1] or FlagDuel[k2] or k1 == k2: continue if FlagDelete[k1] or FlagDelete[k2]: continue # выбор двух дуэлянтов k1 k2 FlagDuel[k1] = True FlagDuel[k2] = True for i in range(N): P1[i] = Species[k1][i] for i in range(N): P2[i] = Species[k2][i] # приспособленность дуэлянтов f1 = Fitness(P1) f2 = Fitness(P2) # побеждает более приспособленный с вероятностью Pv d = random.random() if f1 > f2: if d < Pv: # delete k2 FlagDelete[k2] = True else: # delete k1 FlagDelete[k1] = True else: if d < Pv: # delete k1 FlagDelete[k1] = True else: # delete k2 FlagDelete[k2] = True z -= 1 #удаление с флагом delete SpeciesTmp = np.zeros((Z,N),dtype=np.int32) z = 0 for k in range(Z + 2 * Q): if FlagDelete[k]: continue for i in range(N): SpeciesTmp[z][i] = Species[k][i] z += 1 for k in range(len(Species)): for i in range(N): Species[k][i] = 0 for k in range(Z): for i in range(N): Species[k][i] = SpeciesTmp[k][i] #нахождение лучшего организма P1 = Species[0].copy() BestP = Species[0].copy() BestValue = Fitness(P1) for k in range(1, Z): P1 = Species[k].copy() d = Fitness(P1) if d > BestValue: BestValue = d BestP = P1.copy() #естественный отбор graf_y[G]=BestValue G+=1 window1 = Tk() window1.title("Graph") fig, ax = plt.subplots() ax.plot(graf_x, graf_y) out1="" for i in range (N): out1+=str(BestP[i]) output = np.array([out1,str(BestValue)]) np.savetxt("result.txt", output, fmt="%s") canvas = FigureCanvasTkAgg(fig, master=window1) canvas.draw() canvas.get_tk_widget().grid(row=0, column=0) window1.mainloop()window = Tk() window.title("Genetic algorithm")
lb1 = Label(window, text="Размерность:") lb1.grid(column=0, row=0, pady=10, padx=10) txt1 = Entry(window,width=10)
txt1.grid(column=1, row=0, pady=10, padx=10)
lb2 = Label(window, text=" Мин. размер/ценность:") lb2.grid(column=2, row=0, pady=10, padx=10) txt2 = Entry(window,width=10)
txt2.grid(column=3, row=0, pady=10, padx=10) # lb3 = Label(window, text=" Макс. размер/ценность:") lb3.grid(column=4, row=0, pady=10, padx=10) txt3 = Entry(window,width=10)
txt3.grid(column=5, row=0, pady=10, padx=10) #lb4 = Label(window, text="A1:") lb4.grid(column=0, row=1, pady=10, padx=10) txt4 = Entry(window,width=10)
txt4.grid(column=1, row=1, pady=10, padx=10) lb5 = Label(window, text="A2:") lb5.grid(column=2, row=1, pady=10, padx=10) txt5 = Entry(window,width=10)
txt5.grid(column=3, row=1, pady=10, padx=10)
lb6 = Label(window, text="Организмов:") lb6.grid(column=4, row=1, pady=10, padx=10) txt6 = Entry(window,width=10)
txt6.grid(column=5, row=1, pady=10, padx=10)lb8 = Label(window, text="Потомков:") lb8.grid(column=0, row=2, pady=10, padx=10) txt8 = Entry(window,width=10)
txt8.grid(column=1, row=2, pady=10, padx=10) #потомков lb9 = Label(window, text="Вероятность мутации:") lb9.grid(column=2, row=2, pady=10, padx=10) txt9 = Entry(window,width=10)
txt9.grid(column=3, row=2, pady=10, padx=10) # lb7 = Label(window, text="Поколений:") lb7.grid(column=4, row=2, pady=10, padx=10) txt7 = Entry(window,width=10)
txt7.grid(column=5, row=2, pady=10, padx=10)lb10 = Label(window, text="Вер-ть победы исх/мутант:") lb10.grid(column=0, row=3, pady=10, padx=5) txt10 = Entry(window,width=10)
txt10.grid(column=1, row=3, pady=10, padx=10) #потомков lb11 = Label(window, text="Вер-ть победы в дуэли:") lb11.grid(column=2, row=3, pady=10, padx=5) txt11 = Entry(window,width=10)
txt11.grid(column=3, row=3, pady=10, padx=10) #вероятность мутацииbtn1 = tk.Button(window, text="Генерировать", command=clicked1) btn1.grid(column=6, row=0, pady=10, padx=50)
radVar = tk.IntVar() rad1 = tk.Radiobutton(window, text='Исп. txt файлы', variable=radVar, value=1) rad1.grid(column=6, row=1, pady=10, padx=50)
window.geometry('950x220') window.mainloop()
- Assistant
Программа включает в себя следующий код для выполнения генетического алгоритма:
- Импортирование необходимых библиотек:
import numpy as np - библиотека для работы с многомерными массивами и матрицами import tkinter as tk - библиотека для создания графического интерфейса пользователя from tkinter import * - импортирование всех функций и классов из tkinter from pylab import * - библиотека для построения графиков import matplotlib.pyplot as plt - библиотека для создания и настройки графиков from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg - модуль для встраивания графиков Matplotlib в Tkinter import random - библиотека для генерации случайных чисел
-
Определение функции clicked1(), которая будет вызываться при нажатии на кнопку "Генерировать". Внутри этой функции выполняются все расчеты и графики.
-
Чтение и инициализация необходимых параметров:
G=0 - число поколений min_f=int(txt2.get()) - минимальное значение размера/ценности max_f=int(txt3.get()) - максимальное значение размера/ценности G_main=int(txt7.get()) - количество поколений, которое нужно выполнить A1=float(txt4.get()) - значение параметра A1 A2=float(txt5.get()) - значение параметра A2 Z=int(txt6.get()) - количество организмов N=int(txt1.get()) - количество генов Pm=float(txt9.get()) - вероятность мутации Pvm=float(txt10.get()) - вероятность выживания более приспособленного после мутации Pv=float(txt11.get()) - вероятность победы в дуэли Q=int(int(txt8.get())) - количество потомков
- Создание массивов и заполнение их случайными значениями:
graf_y = np.zeros((G_main),dtype=np.int32) - массив для хранения значения приспособленности в каждом поколении graf_x = np.zeros((G_main),dtype=np.int32) - массив для хранения номера поколения Species = np.zeros(((2*Z),N),dtype=np.int32) - массив для хранения генотипов всех организмов и их потомков Values_f = np.zeros((N),dtype=np.int32) - массив для хранения значений размера/ценности гена Weights_f = np.zeros((N),dtype=np.int32) - массив для хранения значений размера/ценности гена
- Заполнение массивов значениями из текстовых файлов или случайными значениями, в зависимости от выбранного пользователем варианта:
if(radVar.get()==1): #чтение значений из файлов else: #генерация случайных значений и запись их в файлы
-
Определение функции Fitness(A), которая вычисляет приспособленность организма на основе его генотипа.
-
Выполнение расчетов в цикле, пока число поколений G не достигнет значения G_main.
-
Внутри цикла происходит воспроизводство организмов с использованием генетических операторов: разрез хромосом, обмен хромосом, мутация и естественный отбор.
-
После каждого поколения записывается лучший организм и его приспособленность в массивы graf_y и graf_x.
-
Создание окна графика с использованием библиотеки Tkinter и Matplotlib. График строится на основе массивов graf_x и graf_y.
-
Вывод лучших генов и их приспособленности в текстовый файл result.txt.
-
Создание окна GUI для ввода параметров генетического алгоритма.
-
Запуск основного окна GUI с помощью метода mainloop().
- User
распиши каждый этап подробнее
- Assistant
- Импортирование необходимых библиотек:
import numpy as np- библиотека NumPy используется для работы с массивами и матрицами, а также для выполнения различных математических операций.- `import tkinter as