遺伝的アルゴリズムを使用したドット シミュレーション - パート 2

このチュートリアルでは、エリートの強調表示、障害物の複雑さの増加、「到達」カウンター、クロスオーバー ブリーディングなどの機能を追加することで、遺伝的アルゴリズムのシミュレーションを強化します。改善点を詳しく見てみましょう。

パート 1: 視覚的な強化と障害物の複雑さ

シミュレーションは、エリート ドット (前世代で最高のパフォーマンスを発揮したドット) を青色に着色することで視覚的に区別できるようにアップグレードされました。 これは、is_elite ブール値パラメータを Dot クラスの draw メソッドに追加し、条件付きで青色を適用することで実現されます。 Population クラスの draw メソッドは、ドットが elites リストにあるかどうかに基づいてこのブール値を渡すように変更されます。

障害物の生成がリファクタリングされ、柔軟性が向上しました。

クラスと Obstacle クラスは別の Goal ファイルに移動され、コードの整理が促進されます。 obstacles.py ファイルは、画面サイズや人口サイズなどのグローバル変数を保持するために導入され、ファイル間の冗長性を防ぎます。 複数の障害物構成 (constants.py、OBSTACLES0、OBSTACLES1、OBSTACLES2、OBSTACLES3、OBSTACLES4) が OBSTACLES5 で定義されており、異なるチャレンジ レベル間で簡単に切り替えることができます。 メイン スクリプトはこれらの構成をインポートし、必要な構成を選択します。 リスト内包表記 (obstacles.py など) によって生成された障害物リストを使用する場合でも、ゴールが常に存在することを確認するチェックが追加されます。OBSTACLES4

前世代で目標に到達したドットの数を表示する「到達」カウンターが追加されました。 これは、この値をカウントして返すように

クラスの generate_next_generation メソッドを変更することで実装されます。 メインループは、このカウントを画面に表示します。Population

エリートと障害物が強調表示されたシミュレーション

OBSTACLES0 の障害物を走行するシミュレーション

パート 2: シングルポイント クロスオーバーの実装

シミュレーションは、子孫生成のための複製から単一点交叉に移行します。 crossover クラスメソッドが Dot クラスに追加されます。このメソッドは、2 つの親ドットを入力として受け取り、ランダムな交差点を選択し、各親の動きシーケンス (方向ベクトルのリストとして表される) の一部を結合することによって 2 つの子を作成します。 generate_next_generation メソッドは、このクロスオーバー メソッドを利用するように更新され、単一のクローンではなく子孫のペアを生成します。 突然変異は子孫に適用され続けます。

シングルポイントクロスオーバー

改良されたシミュレーションでは、強化された視覚化、調整可能な難易度、より洗練された繁殖メカニズムが提供され、遺伝的アルゴリズムのより堅牢で洞察力に富んだ例となっています。今後の改善点には、保存/ロード機能と速度の最適化が含まれます。 著者は、さらなるコラボレーションのために Discord コミュニティに参加することも推奨しています。

以上が遺伝的アルゴリズムを使用したドット シミュレーション - パート 2の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。