Цвета в табличках, остановка по лучшему решению

lab2/expirements.py

@@ -19,6 +19,7 @@ BASE_DIR = "experiments"
 POPULATION_SIZES = [10, 25, 50, 100]
 PC_VALUES = [0.3, 0.4, 0.5, 0.6, 0.7, 0.8]  # вероятности кроссинговера
 PM_VALUES = [0.001, 0.01, 0.05, 0.1, 0.2]  # вероятности мутации
+SAVE_AVG_BEST_FITNESS = True
 
 # Количество запусков для усреднения результатов
 NUM_RUNS = 1
@@ -31,7 +32,9 @@ BASE_CONFIG = {
     "max_generations": 200,
     "seed": None,  # None для случайности, т. к. всё усредняем
     "minimize": True,
-    "fitness_avg_threshold": 0.05,  # критерий остановки
+    # "fitness_avg_threshold": 0.05,  # критерий остановки
+    # "max_best_repetitions": 10,
+    "best_value_threshold": 0.005,
     # при включенном сохранении графиков на время смотреть бессмысленно
     # "save_generations": [1, 50, 199],
 }
@@ -39,13 +42,15 @@ BASE_CONFIG = {
 
 def run_single_experiment(
     pop_size: int, pc: float, pm: float
-) -> tuple[float, float, float, float]:
+) -> tuple[float, float, float, float, float, float]:
     """
     Запускает несколько экспериментов с заданными параметрами и усредняет результаты.
-    Возвращает (среднее_время_в_мс, стд_отклонение_времени, среднее_поколений, стд_отклонение_поколений).
+    Возвращает (среднее_время_в_мс, стд_отклонение_времени, среднее_поколений,
+    стд_отклонение_поколений, среднее_лучшее_значение_фитнеса, стд_отклонение_лучшего_значения_фитнеса).
     """
     times = []
     generations = []
+    best_fitnesses = []
 
     for run_num in range(NUM_RUNS):
         config = GARunConfig(
@@ -65,14 +70,26 @@ def run_single_experiment(
         result = genetic_algorithm(config)
         times.append(result.time_ms)
         generations.append(result.generations_count)
+        best_fitnesses.append(result.best_generation.best_fitness)
 
     # Вычисляем средние значения и стандартные отклонения
     avg_time = statistics.mean(times)
     std_time = statistics.stdev(times) if len(times) > 1 else 0.0
     avg_generations = statistics.mean(generations)
     std_generations = statistics.stdev(generations) if len(generations) > 1 else 0.0
+    avg_best_fitness = statistics.mean(best_fitnesses)
+    std_best_fitness = (
+        statistics.stdev(best_fitnesses) if len(best_fitnesses) > 1 else 0.0
+    )
 
-    return avg_time, std_time, avg_generations, std_generations
+    return (
+        avg_time,
+        std_time,
+        avg_generations,
+        std_generations,
+        avg_best_fitness,
+        std_best_fitness,
+    )
 
 
 def run_experiments_for_population(pop_size: int) -> PrettyTable:
@@ -92,14 +109,22 @@ def run_experiments_for_population(pop_size: int) -> PrettyTable:
         row = [f"{pc:.1f}"]
         for pm in PM_VALUES:
             print(f"  Эксперимент: pop_size={pop_size}, Pc={pc:.1f}, Pm={pm:.3f}")
-            avg_time, std_time, avg_generations, std_generations = (
-                run_single_experiment(pop_size, pc, pm)
-            )
+            (
+                avg_time,
+                std_time,
+                avg_generations,
+                std_generations,
+                avg_best_fitness,
+                std_best_fitness,
+            ) = run_single_experiment(pop_size, pc, pm)
 
             # Форматируем результат: среднее_время±стд_отклонение (среднее_поколения±стд_отклонение)
             # cell_value = f"{avg_time:.1f}±{std_time:.1f} ({avg_generations:.1f}±{std_generations:.1f})"
             cell_value = f"{avg_time:.1f} ({avg_generations:.0f})"
 
+            if SAVE_AVG_BEST_FITNESS:
+                cell_value += f" {avg_best_fitness:.5f}"
+
             if avg_generations == BASE_CONFIG["max_generations"]:
                 cell_value = "—"
 
@@ -118,9 +143,6 @@ def main():
     print(f"Значения Pc: {PC_VALUES}")
     print(f"Значения Pm: {PM_VALUES}")
     print(f"Количество запусков для усреднения: {NUM_RUNS}")
-    print(
-        f"Критерий остановки: среднее значение > {BASE_CONFIG['fitness_avg_threshold']}"
-    )
     print("=" * 60)
 
     # Создаем базовую папку