Остановка по повтореням лучшего значения

lab2/gen.py

@@ -30,6 +30,9 @@ class GARunConfig:
     pc: float  # вероятность кроссинговера
     pm: float  # вероятность мутации
     max_generations: int  # максимальное количество поколений
+    max_best_repetitions: int | None = (
+        None  # остановка при повторении лучшего результата
+    )
     seed: int | None = None  # seed для генератора случайных чисел
     minimize: bool = False  # если True, ищем минимум вместо максимума
     save_generations: list[int] | None = (
@@ -39,6 +42,7 @@ class GARunConfig:
     fitness_avg_threshold: float | None = (
         None  # порог среднего значения фитнес функции для остановки
     )
+    log_every_generation: bool = False  # логировать каждое поколение
 
 
 @dataclass(frozen=True)
@@ -337,6 +341,7 @@ def genetic_algorithm(config: GARunConfig) -> GARunResult:
     best: Generation | None = None
 
     generation_number = 1
+    best_repetitions = 0
 
     while True:
         # Вычисляем фитнес для всех особей в популяции
@@ -357,6 +362,12 @@ def genetic_algorithm(config: GARunConfig) -> GARunResult:
         )
         history.append(current)
 
+        if config.log_every_generation:
+            print(
+                f"Generation #{generation_number} best: {current.best_fitness},"
+                f" avg: {np.mean(current.fitnesses)}"
+            )
+
         # Обновляем лучшую эпоху
         if (
             best is None
@@ -371,6 +382,15 @@ def genetic_algorithm(config: GARunConfig) -> GARunResult:
         if generation_number >= config.max_generations:
             stop_algorithm = True
 
+        if config.max_best_repetitions is not None and generation_number > 1:
+            if history[-2].best_fitness == current.best_fitness:
+                best_repetitions += 1
+
+                if best_repetitions == config.max_best_repetitions:
+                    stop_algorithm = True
+            else:
+                best_repetitions = 0
+
         # if config.variance_threshold is not None:
         #     fitness_variance = np.var(fitnesses)
         #     if fitness_variance < config.variance_threshold:

lab2/main.py

@@ -11,14 +11,15 @@ config = GARunConfig(
     x_min=np.array([-5.12, -5.12]),
     x_max=np.array([5.12, 5.12]),
     fitness_func=fitness_function,
-    max_generations=200,
     pop_size=25,
     pc=0.5,
     pm=0.01,
+    max_generations=200,
+    max_best_repetitions=10,
     minimize=True,
     seed=17,
-    fitness_avg_threshold=0.05,
+    save_generations=[1, 2, 3, 5, 7, 9, 10, 15, 19],
-    save_generations=[1, 2, 3, 5, 7, 10, 15],
+    log_every_generation=True,
 )
 
 result = genetic_algorithm(config)

lab2/report/report.tex

@@ -393,11 +393,11 @@
         \item $N = 25$ -- размер популяции.
         \item $p_c = 0.5$ -- вероятность кроссинговера.
         \item $p_m = 0.01$ -- вероятность мутации.
-        \item $0.05$ -- минимальное среднее значение фитнесс функции по популяции для остановки алгоритма. Глобальный минимум функции равен $f(0, 0) = 0$.
+        \item Алгоритм останавливался, если лучшее значение фитнеса не изменялось $10$ поколений подряд.
         \item Использован арифметический кроссовер для real-coded хромосом.
     \end{itemize}
 
-    С каждым поколением точность найденного минимума становится выше. Популяция постепенно сходится к глобальному минимуму в точке $(0, 0)$. На графиках показаны 2D-контурный график (a) и 3D-поверхность целевой функции с точками популяции текущего поколения (b) и (c).
+    Популяция постепенно консолидируется вокруг глобального минимума в точке $(0, 0)$. Лучшая особь была найдена на поколнении №9 (см. Рис.~\ref{fig:gen9}), но судя по всему она подверглась мутации или кроссинговеру, поэтому алгоритм не остановился. На поколении №19 (см. Рис.~\ref{fig:lastgen}) было получено значение фитнеса $0.0201$, которое затем повторялось в следующих 10 поколениях. Алгоритм остановился на поколлении №29. На графиках показаны 2D-контурный график (a) и 3D-поверхность целевой функции с точками популяции текущего поколения (b) и (c).
 
     \begin{figure}[h!]
        \centering
@@ -435,6 +435,13 @@
        \label{fig:gen7}
     \end{figure}
 
+    \begin{figure}[h!]
+       \centering
+       \includegraphics[width=1\linewidth]{img/results/generation_009.png}
+       \caption{График целевой функции и популяции поколения №9}
+       \label{fig:gen9}
+    \end{figure}
+
     \begin{figure}[h!]
        \centering
        \includegraphics[width=1\linewidth]{img/results/generation_010.png}
@@ -444,8 +451,15 @@
 
     \begin{figure}[h!]
        \centering
-       \includegraphics[width=1\linewidth]{img/results/generation_013.png}
+       \includegraphics[width=1\linewidth]{img/results/generation_015.png}
-       \caption{График целевой функции и популяции поколения №13}
+       \caption{График целевой функции и популяции поколения №15}
+       \label{fig:gen15}
+    \end{figure}
+
+    \begin{figure}[h!]
+       \centering
+       \includegraphics[width=1\linewidth]{img/results/generation_019.png}
+       \caption{График целевой функции и популяции поколения №19}
        \label{fig:lastgen}
     \end{figure}
 
@@ -454,6 +468,8 @@
     \phantom{text}
     \newpage
     \phantom{text}
+    \newpage
+    \phantom{text}
     
     \newpage
     \section{Исследование реализации}