Script: Nqueens.py Vamos ir viendo cada uno de los componentes del script.
13 Definir el problema y el individuo: básicamente tenemos que indicar dos cosas, primero si es un problema de maximización o minimización de la función objetivo. Segundo, si es un problema con un objetivo (single objective) o con varios objetivos (multi-objective). Definimos el tipo del individuo ? representación
creator.create (“alias”, < clase_hereda>, atributos) 54)? Creamos una clase que se llama FitnessMin y que hereda de la clase base.Fitness y que tiene una tupla weights como atributos. ? DEFINICIÓN DEL TIPO DE PROBLEMA 55)? Creamos una clase que se llama Individual que hereda de una lista y que tiene un atributo que es fitness (justo la clase que hemos creado anteriormente).? DEFINICIÓN DEL INDIVIDUO
Representación del Individuo Resolución con algoritmo genético Individuo: Una lista de posiciones de las damas en el tablero. Sólo guardamos la fila en la que está la reina, la columna coincide con el índice de la lista. Por lo que sólo hay una reina por columna (Simplificación).
(Gp:) 0 (Gp:) NQUEENS-1 (Gp:) F1 (Gp:) F2 (Gp:) FN-1
Una representación correcta puede ayudar a resolver el problema. No siempre tiene que ser una lista!.
Definición del problema
Base.fitness 15
Registro de funciones Toolbox: “Caja de herramientas” donde registramos todas las funciones que nos hacen falta para implementar el algoritmo genético.
Toolbox
toolbox = base.Toolbox()
17
Las herramientas Tools El módulo Tools tiene una gran cantidad de funciones que nos van a hacer falta para diseñar el algoritmo genético, tales como operaciones de croossover, mutaciones, selección, etc.
Estas funciones las vamos a utilizar para registrar funciones más complejas.
18
Algoritmos genéticos – Ejemplo Resolución con algoritmo genético Selección: mediante torneo. Ojo! A medida que avanzamos en las generaciones los individuos y sus fitness se parecen!
Algoritmos genéticos – Ejemplo Resolución con algoritmo genético Crossover: PartiallyMatched ? Combinamos la información genética de dos individuos (“padres”) para crear dos individuos (“hijos”).
Algoritmos genéticos – Ejemplo Resolución con algoritmo genético Mutación: Barajamos (shuffle) el contenido de la lista. (Gp:) 0 (Gp:) NQUEENS-1 (Gp:) F1 (Gp:) F2 (Gp:) FN-1
Algoritmos genéticos – Ejemplo Función de fitness Calculamos el número de reinas en cada diagional ?Tenemos dos tipos de diagonales (diagonal_izquierda_derecha, diagonal_derecha_izquierda). diagonal_izquierda_derecha = fila + columna
Algoritmos genéticos – Ejemplo Función de fitness Calculamos el número de reinas en cada diagional ?Tenemos dos tipos de diagonales (diagonal_izquierda_derecha, diagonal_derecha_izquierda). diagonal_derecha_izquierda = size-1-columna+fila
Algoritmos genéticos – Ejemplo Función de fitness
Algoritmos genéticos – Ejemplo Algoritmo genético
Algoritmos genéticos – Ejemplo Algoritmo genético
Algoritmos genéticos – Ejemplo Solución
 Página anterior | Volver al principio del trabajo | Página siguiente  |