-
Notifications
You must be signed in to change notification settings - Fork 0
/
evolution_T7.py
141 lines (107 loc) · 4.14 KB
/
evolution_T7.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import kde
import random as rd
###############################
#######INITIALISATION
###############################
class User:
def __init__(self) :
self.pool = [0]
self.taille = []
self.facteurs = []
self.seuil = 5
def autoremplissage(self) :
self.taille.append(300)
self.facteurs.append(0.001)
self.double = False
self.g = 20
def remplissage(self) :
tmp = str(input("Mutation double (d) ou simple (s) ? "))
if tmp == 'd' :
self.double = True
else :
self.double = False
if double :
self.taille.append(int(input("nombre de sites pour le premier facteur de mutation : ")))
self.taille.append(int(input("nombre de sites pour le deuxième facteur de mutation : ")))
else :
self.taille.append(int(input("nombre de sites pour le facteur de mutation : ")))
if double :
tmp = float(input("taux de mutation du premier facteur : "))
self.facteurs.append(tmp)
tmp = float(input("taux de mutation du deuxième facteur : "))
self.facteurs.append(tmp)
else :
tmp = float(input("taux de mutation du facteur : "))
self.facteurs.append(tmp)
self.g = int(input("nombre de generations (<20) : "))
#valeurs = User()
#valeurs.autoremplissage()
###############################
#######EXECUTION_NB
###############################
class Simulation :
"""pour lancer une nouvelle simulation du nombre de mutation : instancier la classe puis choisir une simulation puis un ou plusieurs types de graphes simultanément"""
def __init__(self):
self.pool = valeurs.pool.copy()
self.facteurs = valeurs.facteurs.copy()
self.taille = valeurs.taille.copy()
self.g = valeurs.g
self.double = valeurs.double
self.moy = []
self.var = []
self.seuil = 4
def nb_mut_force(self) :
gg = 0
while gg < self.g :
i = 0
while i < len(self.pool) :
tmp = self.pool[i]
if self.double :
self.pool[i] = self.pool[i]+(self.taille[1]-self.pool[i])*self.facteurs[1]
self.pool.append(tmp+(self.taille[0]-tmp)*self.facteurs[0])
i += 2
print(len(self.pool))
self.moy.append(np.mean(self.pool))
self.var.append(np.var(self.pool))
gg += 1
def nb_mut_force_seuil(self) :
gg = 0
while gg < self.g :
i = 0
while i < len(self.pool) :
tmp = self.pool[i]
if tmp < self.seuil :
if self.double :
self.pool[i] = self.pool[i]+(self.taille[1]-self.pool[i])*self.facteurs[1]
self.pool.append(tmp+(self.taille[0]-tmp)*self.facteurs[0])
i += 2
else :
rado = rd.random()
if (rado < (1/2)) :
self.pool.pop(i)
print(len(self.pool))
self.moy.append(np.mean(self.pool))
self.var.append(np.var(self.pool))
gg += 1
def graph_mean(self) :
x = [i for i in range(self.g)]
plt.plot(x, self.moy)
plt.show()
def graph_var(self) :
x = [i for i in range(self.g)]
plt.plot(x, self.var)
plt.show()
def graph_density(self) :#type de graph à revoir
density = kde.gaussian_kde(self.pool)
#density.covariance_factor = lambda : .75
#density._compute_covariance()
x = np.linspace(0,self.taille[0]*self.facteurs[0]*self.g, 70)
y = density(x)
plt.plot(x, y)
plt.show()
#sim = Simulation()
#sim.nb_mut_force_seuil()
#sim.graph_density()
#sim.graph_var()