Python - функция мутации генетического алгоритма не работает - PullRequest
Новая
       90

Python - функция мутации генетического алгоритма не работает

0 голосов
/ 03 сентября 2018

Я создал ИИ в python / pygame, но даже после нескольких часов отладки, я не мог найти, почему люди (точки) не видоизменяются. Через несколько поколений все люди просто перекрывают друг друга и следуют по одному и тому же пути. Но после мутации они должны двигаться немного по-другому.

Вот как выглядит численность населения 10 раз в 2-3 поколения ..

Изображение 1 Изображение 2 Изображение 3

Как видите, сразу после нескольких поколений они просто пересекаются, и все люди в популяции движутся вместе, следуя точно по одному и тому же пути! Нам нужны мутации !!!

Я был бы очень благодарен вам, если бы вы могли найти какую-либо ошибку. Спасибо!

Я видел код от: https://www.youtube.com/watch?v=BOZfhUcNiqk&t и попытался сделать это на питоне. Вот мой код 

import pygame, random
import numpy as np

pygame.init()
width = 800
height = 600
screen = pygame.display.set_mode((width, height))
pygame.display.set_caption("The Dots")

FPS = 30
clock = pygame.time.Clock()
gameExit = False

grey = [30, 30, 30]
white = [255, 255, 255]
black = [0, 0, 0]
red = [255, 0, 0]

goal = [400, 10]

class Dot():
    def __init__(self):
        self.x = int(width/2)
        self.y = int(height - 150)
        self.r = 3
        self.c = black
        self.xVel = self.yVel = 0
        self.xAcc = 0
        self.yAcc = 0
        self.dead = False
        self.steps = 0
        self.reached = False
        self.brain = Brain(200)

    def show(self):
        pygame.draw.circle(screen, self.c, [int(self.x), int(self.y)], self.r)

    def update(self):
        if (self.x >= width or self.x <= 0 or self.y >= height or self.y <= 0):
            self.dead = True
        elif (np.sqrt((self.x-goal[0])**2 + (self.y-goal[1])**2) < 5):
            self.reached = True
        if not self.dead and not self.reached:
            if len(self.brain.directions) > self.steps:
                self.xAcc = self.brain.directions[self.steps][0]
                self.yAcc = self.brain.directions[self.steps][1]
                self.steps += 1

                self.xVel += self.xAcc
                self.yVel += self.yAcc
                if self.xVel > 5:
                    self.xVel = 5
                if self.yVel > 5:
                    self.yVel = 5
                self.x += self.xVel
                self.y += self.yVel
            else: self.dead = True

    def calculateFitness(self):
        distToGoal = np.sqrt((self.x-goal[0])**2 + (self.y-goal[1])**2)
        self.fitness = 1/(distToGoal**2)
        return self.fitness

    def getChild(self):
        child = Dot()
        child.brain = self.brain
        return child

class Brain():
    def __init__(self, size):
        self.size = size
        self.directions = []
        self.randomize()

    def randomize(self):
        self.directions.append((np.random.normal(size=(self.size, 2))).tolist())
        self.directions = self.directions[0]

    def mutate(self):
        for i in self.directions:
            rand = random.random()
            if rand < 1:
                i = np.random.normal(size=(1, 2)).tolist()[0]

class Population():
    def __init__(self, size):
        self.size = size
        self.dots = []
        self.fitnessSum = 0

        for i in range(self.size):
            self.dots.append(Dot())

    def show(self):
        for i in self.dots:
            i.show()

    def update(self):
        for i in self.dots:
            i.update()

    def calculateFitness(self):
        for i in self.dots:
            i.calculateFitness()

    def allDead(self):
        for i in self.dots:
            if not i.dead and not i.reached:
                return False
        return True

    def calculateFitnessSum(self):
        self.fitnessSum = 0
        for i in self.dots:
            self.fitnessSum += i.fitness

    def SelectParent(self):
        rand = random.uniform(0, self.fitnessSum)
        runningSum = 0
        for i in self.dots:
            runningSum += i.fitness
            if runningSum > rand:
                return i

    def naturalSelection(self):
        newDots = []
        self.calculateFitnessSum()
        for i in self.dots:
            parent = self.SelectParent()
            newDots.append(parent.getChild())

        self.dots = newDots

    def mutate(self):
        for i in self.dots:
            i.brain.mutate()

test = Population(100)

while not gameExit:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            gameExit = True
    screen.fill(white)

    if test.allDead():
        #Genetic Algorithm
        test.calculateFitness()
        test.naturalSelection()
        test.mutate()

    else:
        test.update()
        test.show()

    pygame.draw.circle(screen, red, goal, 4)
    clock.tick(FPS)
    pygame.display.update()
pygame.quit()

Спасибо за любую помощь!

1 Ответ

0 голосов
/ 29 сентября 2018

Я не прошел весь код, но здесь 

def mutate(self):
    for i in self.directions:
        rand = random.random()
        if rand < 1:
            i = np.random.normal(size=(1, 2)).tolist()[0]

вы пытаетесь присвоить новое значение i (которое является итератором), поэтому оно ничего не изменит, что объясняет, почему у вас возникают проблемы с мутациями.

У вас должно быть что-то вроде этого: 

def mutate(self):
    for i in range(len(self.directions)):
        rand = random.random()
        if rand < 1:
            self.directions[i] = np.random.normal(size=(1, 2)).tolist()[0]

или вы можете использовать списки https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions

...