Exercício - 9.ipynb - Colaboratory

20/06/2019 Exercício_9.
ipynb - Colaboratory
Exercício 9 - Algoritmos Genéticos

A partir da apresentação sobre o Algoritmo Genético (AG) e do exemplo disponibilizado, implementar
em Python os algoritmos para solucionar os exemplos multimodal da sala de aula para os seguintes
objetivos:
Minimizar Função Objetivo.
Achar os Zeros da Função Objetivo.
Mostrar o desempenho do algoritmo alterando-se as condições iniciais e atualizando os seguintes
parâmetros:
Tamanho da População Inicial
Taxa de Crossover
Taxa de Mutação
Minimizar a Função Objetivo

import numpy as np
import matplotlib.pyplot as plt
from google.colab import drive

import os
from google.colab import files

import numpy as np
import imageio
from mpl_toolkits.mplot3d.axes3d import get_test_data

# This import registers the 3D projection, but is otherwise unused.
from mpl_toolkits.mplot3d import Axes3D # noqa: F401 unused import
from matplotlib import cm
#Montar o Google Drive no Colab com o nome gdrive
drive.mount('/content/gdrive')
# O comando abaixo mostra qual diretório você está trabalhando momento.

print( os.getcwd() )
print( os.listdir('gdrive/My Drive/Exercício_9') )
Drive already mounted at /content/gdrive; to attempt to forcibly remount, call dri

/content
['GIF_GA.gif', 'GIF_zeros.gif', 'GIF_GA_altera.gif', 'GIF_zeros_altera.gif']
Algoritmo Genético
from matplotlib import cm
import numpy as np
def Crossover(Pop, Prob_Crossover):

https://colab.research.google.com/drive/1i4ezWLNM3lNRPsHSlBhgWPJ3sarLwUPA#scrollTo=-2RG9AFn7o2t&printMode=true 1/38
20/06/2019 Exercício_9.ipynb - Colaboratory
N = np.size(Pop,0)
Dim = np.size(Pop,1)
Pais = np.round(-0.5 + N * np.random.rand(N, 2))
Filhos = Pop
for i in range(np.size(Pais,0)):
if np.random.rand(1) < Prob_Crossover:

Pai_1 = Pop[int(Pais[i][0])]
if len(Filhos) ==0:
Filhos = np.random.rand(1)*(Pai_1-Pai_2)+Pai_2
else:
Filho = np.random.rand(1) * (Pai_1 - Pai_2) + Pai_2
Filhos[i,0] = Filho[0]
return Filhos
def Mutacao(Pop,PropMutacao,Desvio):
N = np.size(Pop, 0)
Mutantes = Pop
for i in range(np.size(Mutantes,0)):
if np.random.rand(1)< PropMutacao:
Mutantes[i,0] = Mutantes[i,0] + Desvio*np.random.randn(1)
Mutantes[i,1] = Mutantes[i,1] + Desvio * np.random.randn(1)
return Mutantes
def Fitness(Pop):
Fitness = []
for i in range(len(Pop)):
X = Pop[i,0]
Y = Pop[i,1]
if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

Fitness.append(0)
else:
Fitness.append(1/(4+(X*np.sin(4*np.pi*X))-Y*np.sin(4*np.pi*Y+np.pi)+1))
return Fitness
def Selecao(Pop,Num_Selecao,Num_por_Torneio):
N = np.size(Pop, 0)
Torneio = np.round(-0.5 + N * np.random.rand(Num_Selecao, Num_por_Torneio))
Torneio = Torneio.astype(int)
Campeoes = -100*np.ones((Num_Selecao,2))
Fitness_Pop = np.array(Fitness(Pop))
for i in range(len(Torneio)):
Fitness_Candidatos = Fitness_Pop[Torneio[i]]
Aux = np.where(Fitness_Candidatos == np.max(Fitness_Candidatos))
Campeao = Pop[Torneio[i,Aux[0][0]]]
Campeoes[i,0] = Campeao[0]
return Campeoes
def Plotar(Pop):
# set up a figure twice as wide as it is tall

#fig = plt.figure(figsize=plt.figaspect(0.5))
fig = plt.figure(figsize=(20,10))
ax = fig.add_subplot(1, 2, 1, projection='3d')
ax1 = fig.add_subplot(1, 2, 2)
# plot a 3D surface like in the example mplot3d/surface3d_demo

x = np.linspace(-1, 2, 100)
X, Y = np.meshgrid(x, x)
Z = 4 + (X * np.sin(4 * np.pi * X)) - Y * np.sin(4 * np.pi * Y + np.pi) + 1
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,

linewidth=0, antialiased=False)
xs = Pop[:, 0]
ys = Pop[:, 1]
zs = np.array(Fitness(Pop))
ax.scatter(xs, ys, zs, 'k+')
fig.colorbar(surf, shrink=0.5, aspect=10)
Fig_2d = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)

fig.colorbar(Fig_2d, shrink=0.5, aspect=10)
ax1.plot(Pop[:, 0], Pop[:, 1], '+k')
fig.canvas.draw() # Comando que desenha o plot anteriormente descrito.

# Pega a imagem que está no plot e converte para um padrão imagem
image = np.frombuffer(fig.canvas.tostring_rgb(), dtype='uint8')
#Reconfigura o tamanho da Imagem
image = image.reshape(fig.canvas.get_width_height()[::-1] + (3,))
return image
#Caracteristicas do Genetico
Num_Pop = 1000
Dim = 2
Prob_Crossover = 0.5
Prob_Mutacao = 0.1
Desvio = 0.1
Num_Gerações = 10
Pop = -1 + 3*np.random.rand(Num_Pop,Dim)
fig = plt.figure(figsize=plt.figaspect(0.5))
imagens = []
for i in range(Num_Gerações):
print('Geração:',i+1)
Imagem_plot = Plotar(Pop)
Filhos = Crossover(Pop,Prob_Crossover)
Pop_PaiseFilhos = np.concatenate((Pop,Filhos))
Pop_Mutante = Mutacao(Pop,Prob_Mutacao,Desvio)
Pop = Selecao(Pop_Mutante,Num_Pop,round(Num_Pop/10))
imagens.append(Imagem_plot)
print(len(imagens))
imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_GA.gif', imagens, fps=1)
Geração: 1
Geração: 2
Geração: 3
Geração: 4
Geração: 5
Geração: 6
Geração: 7
Geração: 8
Geração: 9
Geração: 10
10
Achar os zeros da função Objetivo

# Função Zeros para achar os zeros da função objetivo
def Zeros(Pop):
Zeros = []
X = Pop[i,0]
Y = Pop[i,1]
if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

Zeros.append(0)
else:
fob = 4+(X*np.sin(4*np.pi*X))-Y*np.sin(4*np.pi*Y+np.pi)+1
Zeros.append(np.max(fob) - np.abs(fob))
return Zeros
N = np.size(Pop, 0)
Fitness_Pop = np.array(Zeros(Pop))
return Campeoes
def Plotar(Pop):



xs = Pop[:, 0]
ys = Pop[:, 1]
zs = np.array(Zeros(Pop))

ax1.plot(Pop[:, 0], Pop[:, 1], '+k')

# Pega a imagem que está no plot e converte para um padrão imagem.
return image
imagens = []
imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_zeros.gif', imagens, fps=1)
Desempenho do algoritmo depois de alterar os

parâmetros
def Crossover(Pop, Prob_Crossover):
N = np.size(Pop,0)
Dim = np.size(Pop,1)
Pais = np.round(-0.5 + N * np.random.rand(N, 2))
Filhos = Pop
for i in range(np.size(Pais,0)):
if np.random.rand(1) < Prob_Crossover:

if len(Filhos) ==0:
Filhos = np.random.rand(1)*(Pai_1-Pai_2)+Pai_2
else:
Filho = np.random.rand(1) * (Pai_1 - Pai_2) + Pai_2
return Filhos
def Mutacao(Pop,PropMutacao,Desvio):
N = np.size(Pop, 0)
Mutantes = Pop
for i in range(np.size(Mutantes,0)):
if np.random.rand(1)< PropMutacao:
Mutantes[i,0] = Mutantes[i,0] + Desvio*np.random.randn(1)
Mutantes[i,1] = Mutantes[i,1] + Desvio * np.random.randn(1)
return Mutantes
def Fitness(Pop):
Fitness = []
X = Pop[i,0]
Y = Pop[i,1]
if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

Fitness.append(0)
else:
Fitness.append(1/(4+(X*np.sin(4*np.pi*X))-Y*np.sin(4*np.pi*Y+np.pi)+1))
return Fitness
N = np.size(Pop, 0)
Fitness_Pop = np.array(Fitness(Pop))
return Campeoes
def Plotar(Pop):



xs = Pop[:, 0]
ys = Pop[:, 1]
zs = np.array(Fitness(Pop))

ax1.plot(Pop[:, 0], Pop[:, 1], '+k')

return image
# Caracteristicas do Genetico
Num_Pop = 10000
Dim = 2
Prob_Crossover = 0.75
Prob_Mutacao = 0.30
Desvio = 0.1
Num_Gerações = 15
imagens = []
print('Geração:',i+1)
print(len(imagens))
imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_GA_altera.gif', imagens, fps=1)
# Função Zeros para achar os zeros da função objetivo

def Zeros(Pop):
Zeros = []
X = Pop[i,0]
Y = Pop[i,1]
if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

Zeros.append(0)
else:
fob = 4+(X*np.sin(4*np.pi*X))-Y*np.sin(4*np.pi*Y+np.pi)+1
Zeros.append(np.max(fob) - np.abs(fob))
return Zeros
N = np.size(Pop, 0)
Fitness_Pop = np.array(Zeros(Pop))
return Campeoes
def Plotar(Pop):



xs = Pop[:, 0]
ys = Pop[:, 1]
zs = np.array(Zeros(Pop))

ax1.plot(Pop[:, 0], Pop[:, 1], '+k')

return image
imagens = []
imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_zeros_altera.gif', imagens, fps=1)
Geração: 1
Geração: 2
Geração: 3
Geração: 4
Geração: 5
Geração: 6
Geração: 7
Geração: 8
Geração: 9
Geração: 10
Geração: 11
Geração: 12
Geração: 13
Geração: 14
Geração: 15
15
/usr/local/lib/python3.6/dist-packages/matplotlib/pyplot.py:514: RuntimeWarning: M
max_open_warning, RuntimeWarning)

Exercício - 9.ipynb - Colaboratory

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Exercício - 9.ipynb - Colaboratory

Enviado por

Direitos autorais:

Formatos disponíveis

20/06/2019 Exercício_9.

Exercício 9 - Algoritmos Genéticos

Minimizar a Função Objetivo

import matplotlib.pyplot as plt

from google.colab import drive

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d.axes3d import get_test_data

#Montar o Google Drive no Colab com o nome gdrive

# O comando abaixo mostra qual diretório você está trabalhando momento.

Drive already mounted at /content/gdrive; to attempt to forcibly remount, call dri

def Crossover(Pop, Prob_Crossover):

if np.random.rand(1) < Prob_Crossover:

if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

# set up a figure twice as wide as it is tall

# plot a 3D surface like in the example mplot3d/surface3d_demo

Z = 4 + (X * np.sin(4 * np.pi * X)) - Y * np.sin(4 * np.pi * Y + np.pi) + 1

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,

Fig_2d = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)

fig.canvas.draw() # Comando que desenha o plot anteriormente descrito.

print( os.listdir('gdrive/My Drive/Exercício_9') )

Achar os zeros da função Objetivo

if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

# set up a figure twice as wide as it is tall

# plot a 3D surface like in the example mplot3d/surface3d_demo

Z = 4 + (X * np.sin(4 * np.pi * X)) - Y * np.sin(4 * np.pi * Y + np.pi) + 1

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,

Fig_2d = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)

fig.canvas.draw() # Comando que desenha o plot anteriormente descrito.

imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_zeros.gif', imagens, fps=1)

Desempenho do algoritmo depois de alterar os

if np.random.rand(1) < Prob_Crossover:

if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

# set up a figure twice as wide as it is tall

# plot a 3D surface like in the example mplot3d/surface3d_demo

Z = 4 + (X * np.sin(4 * np.pi * X)) - Y * np.sin(4 * np.pi * Y + np.pi) + 1

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,

Fig_2d = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)

fig.canvas.draw() # Comando que desenha o plot anteriormente descrito.

# Função Zeros para achar os zeros da função objetivo

if ((X<-1) or (X> 2)) or ((Y<-1) or (Y> 2)):

# set up a figure twice as wide as it is tall

# plot a 3D surface like in the example mplot3d/surface3d_demo

Z = 4 + (X * np.sin(4 * np.pi * X)) - Y * np.sin(4 * np.pi * Y + np.pi) + 1

surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm,

Fig_2d = ax1.contourf(X, Y, Z, cmap=cm.coolwarm)

fig.canvas.draw() # Comando que desenha o plot anteriormente descrito.

imageio.mimsave('gdrive/My Drive/Exercício_9/GIF_zeros_altera.gif', imagens, fps=1)

Você também pode gostar