유전 알고리즘을 사용한 도트 시뮬레이션 - 2부

이 튜토리얼은 엘리트 강조, 장애물 복잡성 증가, "도달" 카운터, 교차 번식과 같은 기능을 추가하여 유전자 알고리즘 시뮬레이션을 향상시킵니다. 개선사항을 분석해보겠습니다.

1부: 시각적 개선 및 장애물 복잡성

시뮬레이션은 엘리트 도트(이전 세대에서 가장 성능이 좋은 도트)를 파란색으로 표시하여 시각적으로 구별할 수 있도록 업그레이드되었습니다. 이는 is_elite 클래스의 Dot 메소드에 draw 부울 매개변수를 추가하고 조건부로 파란색을 적용함으로써 달성됩니다. Population 클래스의 draw 메소드는 elites 목록에 점이 있는지 여부에 따라 이 부울을 전달하도록 수정되었습니다.

더 나은 유연성을 위해 장애물 생성이 리팩터링되었습니다. Obstacle 및 Goal 클래스가 별도의 obstacles.py 파일로 이동되어 더욱 깔끔한 코드 구성이 가능해졌습니다. 화면 크기 및 인구 크기와 같은 전역 변수를 저장하기 위해 constants.py 파일이 도입되어 파일 간의 중복을 방지합니다. 여러 장애물 구성(OBSTACLES0, OBSTACLES1, OBSTACLES2, OBSTACLES3, OBSTACLES4, OBSTACLES5)이 obstacles.py에 정의되어 있어 다양한 챌린지 레벨 간에 쉽게 전환할 수 있습니다. 기본 스크립트는 이러한 구성을 가져오고 원하는 구성을 선택합니다. 목록 이해를 통해 생성된 장애물 목록(예: OBSTACLES4)을 사용하는 경우에도 목표가 항상 존재하는지 확인하는 검사가 추가되었습니다.

이전 세대에서 성공적으로 목표에 도달한 도트 수를 표시하기 위해 "도달" 카운터가 추가되었습니다. 이는 generate_next_generation 클래스의 Population 메서드를 수정하여 이 값을 계산하고 반환함으로써 구현됩니다. 그러면 메인 루프가 이 개수를 화면에 표시합니다.

엘리트가 강조되고 장애물이 있는 시뮬레이션

OBSTACLES0 장애물 달리기 시뮬레이션

2부: 단일 지점 교차 구현

시뮬레이션은 자손 생성을 위해 복제에서 단일 지점 교차로 전환됩니다. crossover 클래스에 Dot 클래스 메소드가 추가되었습니다. 이 방법은 두 개의 상위 점을 입력으로 취하고 임의의 교차점을 선택한 다음 각 상위의 이동 시퀀스 부분(방향 벡터 목록으로 표시됨)을 결합하여 두 개의 자손을 생성합니다. generate_next_generation 방법은 이 교차 방법을 활용하여 단일 클론 대신 자손 쌍을 생성하도록 업데이트되었습니다. 자손에게 돌연변이가 계속해서 적용됩니다.

단일 포인트 크로스오버

향상된 시뮬레이션은 향상된 시각화, 조정 가능한 난이도, 더욱 정교한 번식 메커니즘을 제공하여 유전자 알고리즘의 더욱 강력하고 통찰력 있는 예가 됩니다. 언급된 향후 개선 사항에는 저장/로드 기능 및 속도 최적화가 포함됩니다. 저자는 또한 추가적인 협업을 위해 Discord 커뮤니티에 가입할 것을 권장합니다.

위 내용은 유전 알고리즘을 사용한 도트 시뮬레이션 - 2부의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!