Ag *reproducao(Ag* Pais, int *mascara_cruzamento){
int i,j=0,*pai1,*pai2,**aux=NULL, rand1,rand2;
//int k_individuos=rand_lim1(Pais->linhas);/*Quantidade de pais se podem reproduzir*/
float prob_mutacao;
Ag *Filhos=NULL;
Filhos=malloc(sizeof(Ag));
Filhos->matriz=malloc(1 * sizeof(int *));
Filhos->colunas=22;
for(i=0;i<Pais->linhas;i++){
Filhos->matriz = (int **) realloc(Filhos->matriz, (j + 1) * sizeof(Filhos->matriz));
Filhos->matriz[j]=malloc(Pais->colunas * sizeof(int));
//rand1=rand_lim1(k_individuos);//escolhe posicao aleatoria de entre os melhores k_individuos
rand1=selecaoTorneio(Pais->matriz,Pais->linhas);//escolhido o 1º Pai
pai1=Pais->matriz[rand1];//escolhido o 1º Pai*/
do{
rand2=selecaoTorneio(Pais->matriz,Pais->linhas);//escolhido o 2º Pai
}while (rand1==rand2);
pai2=Pais->matriz[rand2];//escolhido o 2º Pai*/
aux=cruzamento(mascara_cruzamento,pai1,pai2);
Filhos->matriz[j]=aux[0];
prob_mutacao=rand_lima();
if(prob_mutacao<=0.001){
printf("Ocorreu mutacao Filho 1\nProb mutacao %.4f\n\n",prob_mutacao);
Filhos=mutacao(Filhos,j);
}
Filhos->matriz[j++]=aux[1];
prob_mutacao=rand_lima();
if(prob_mutacao<=0.001){
printf("Ocorreu mutacao Filho 2\nProb mutacao %.4f\n\n",prob_mutacao);
Filhos=mutacao(Filhos,j-1);
}
/*printf("Pai 1 %d\t->",rand1+1);
printArraya(pai1);
printf("\nPai 2 %d\t->",rand2+1);
printArraya(pai2);
printf("\n\nFilho 1\t->");
printArraya(aux[0]);
printf("\nFilho 2\t->");
printArraya(aux[1]);
puts("\n");*/
}
Filhos->linhas=j;
return Filhos;
}
/**
* <h3>Algoritmos Genéticos</h3>
* <p>A função ga_fo_01 tem como objetivo usar uma implementação simples de GA para
* otimizar a função <i>F(x)=x*sin(10*pi*x)+1<i> em um espaço de busca definido.</p>
* @file main.c
* @version 0.0
* @autor Gill Velleda Gonzales
* @param a Início do espaço de busca
* @param step Valor de incremento
* @param b Fim do espaço de busca
* @param otimizacao 0 Minimiza a FO != 0 Maximiza
* @pop_size tamanho da população (bug máximo 12 indivíduos)
* @return
* Valor otimizado de <i><b>fo_01</b></i> no espaço definido por <b>a</b> até <b>b</b> passo <b>step</b>
*
* @ToDo
*
*
*/
long double ga_fo_01(double a, double step, double b, int otimizacao, int pop_size) {
//Inicialização
int **pop,
**pop_mat, //População Intermediaria
size_pop = pop_size, //População
genes = 12, //Tamanho de Cromossomos (Cadeia de Bits)
geracao = 1, i, j,
count_ev = 0, //Contador de não-evoluções ou gerações iguais que não evoluirão;
nev_max = 10, //Número máximo de populações iguais que não evoluirão, critério de parada
*cr_opt;
float *v_ap,
taxa_cros = 0.9,
taxa_mutate = 0.3;
printf("\nAlgoritmo Genético Processando");
//Espaço de Busca
printf("\nEspaço de busca de %.3f a %.3f incrementado de %.3f", a, b, step);
//Gerando a população
printf("\nGerando a População ...\nCromossos: 12 genes binários\nPopulação: %d indivíduos", size_pop);
pop = gerarPopIni(size_pop, genes, a, step, b);
//LOOP
do {
if (geracao > 1)
free(pop_mat); //Liberando memória - Descarta a população de Pais
//Avalia População
printf("\nAvaliando a população (Geração: %d)", geracao);
v_ap = avaliarPop(pop, size_pop, genes, a, b);
//Selecionar mais aptos
printf("\n Selecionando mais aptos:\n\t-gerando mating-pool\n");
pop_mat = selecaoTorneio(pop, v_ap, size_pop, genes, otimizacao);
printf("\n População Original - Geracao %d:\n", geracao);
printPop(pop, size_pop, genes);
printf("\n\n População Intermediária:\n");
printPop(pop_mat, size_pop, genes);
free(pop); //Liberando memória - Descarta a população original
//Operações de Crossover e Mutação
pop = crossover(pop_mat, taxa_cros, size_pop, genes);
printf("\n\n Nova Geração pós-cruzamentos:");
printPop(pop, size_pop, genes);
//Mutação
pop = mutate(pop, taxa_mutate, size_pop, genes);
printf("\n\n Nova Geração pós-mutações:");
printPop(pop, size_pop, genes);
//Geração de nova população
geracao++;
//count_nev = final_ga(pop, v_ap, size_pop, genes, count_nev);
count_ev = final_ga(pop_mat, v_ap, size_pop, genes, count_ev);
printf("\t-----------CONTADOR %d----------\n", count_ev);
printf("\n||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||\n");
if (count_ev == nev_max) {
/* aloca espaço para o cromossomo otimo */
cr_opt = (int *) calloc(genes, sizeof (int));
cr_opt = getOtimo(pop_mat, otimizacao, size_pop);
}
} while (count_ev < nev_max); //&& geracao <= 100);
//FIM LOOP
printf("\n GA- Finalizado:\n\tPopulação dos mais aptos:\n");
printPop(pop_mat, size_pop, genes);
printf("\n GA- Finalizado:\n\tx = %.3f Valor ótimo;\n\t y = %.3f", bitsToFloat(cr_opt), fo_01(bitsToFloat(cr_opt)));
printf("\n Tamanho da População: %d", size_pop);
printf("\n Genes por Cromossomos: %d", genes);
printf("\n Taxa de Cruzamento: %.1f", taxa_cros);
printf("\n Taxa de Mutação: %.1f", taxa_mutate);
printf("\n Última Geração: %d:\n", geracao);
printf("\n\n");
}
