Python实现遗传算法(虚拟机中运行)
更新时间：2021年11月24日 14:30:19 作者：灼灼华
遗传算法（GA）是最早由美国Holland教授提出的一种基于自然界的“适者生存，优胜劣汰”基本法则的智能搜索算法。本文主要介绍了如何通过Python实现遗传算法，感兴趣的同学可以看一看
（一）问题
遗传算法求解正方形拼图游戏
（二）代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
from PIL import Image, ImageDraw
import os
import gc
import random as r
import minpy.numpy as np
class Color(object):
'''
定义颜色的类，这个类包含r,g,b,a表示颜色属性
'''
def __init__(self):
self.r = r.randint(0, 255)
self.g = r.randint(0, 255)
self.b = r.randint(0, 255)
self.a = r.randint(95, 115)
def mutate_or_not(rate):
'''
生成随机数，判断是否需要变异
'''
return True if rate > r.random() else False
class Triangle(object):
'''
定义三角形的类
属性：
ax,ay,bx,by,cx,cy：表示每个三角形三个顶点的坐标
color : 表示三角形的颜色
img_t : 三角形绘制成的图，用于合成图片
方法：
mutate_from(self, parent): 从父代三角形变异
draw_it(self, size=(256, 256)): 绘制三角形
'''
max_mutate_rate = 0.08
mid_mutate_rate = 0.3
min_mutate_rate = 0.8
def __init__(self, size=(255, 255)):
t = r.randint(0, size[0])
self.ax = r.randint(0, size[0])
self.ay = r.randint(0, size[1])
self.bx = self.ax+t
self.by = self.ay
self.cx = self.ax+t
self.cy = self.ay-t
self.dx = self.ax
self.dy = self.ay-t
self.color = Color()
self.img_t = None
def mutate_from(self, parent):
if mutate_or_not(self.max_mutate_rate):
t = r.randint(0, 255)
self.ax = r.randint(0, 255)
self.ay = r.randint(0, 255)
self.bx = self.ax + t
self.by = self.ay
self.dx = self.ax
self.dy = self.ay - t
self.cx = self.ax + t
self.cy = self.ay - t
if mutate_or_not(self.mid_mutate_rate):
t = min(max(0, parent.ax + r.randint(-15, 15)), 255)
self.ax = min(max(0, parent.ax + r.randint(-15, 15)), 255)
self.ay = min(max(0, parent.ay + r.randint(-15, 15)), 255)
self.bx = self.ax + t
self.by = self.ay
self.dx = self.ax
self.dy = self.ay - t
self.cx = self.ax + t
self.cy = self.ay - t
if mutate_or_not(self.min_mutate_rate):
t = min(max(0, parent.ax + r.randint(-3, 3)), 255)
self.ax = min(max(0, parent.ax + r.randint(-3, 3)), 255)
self.ay = min(max(0, parent.ay + r.randint(-3, 3)), 255)
self.bx = self.ax + t
self.by = self.ay
self.dx = self.ax
self.dy = self.ay - t
self.cx = self.ax + t
self.cy = self.ay - t
# color
if mutate_or_not(self.max_mutate_rate):
self.color.r = r.randint(0, 255)
if mutate_or_not(self.mid_mutate_rate):
self.color.r = min(max(0, parent.color.r + r.randint(-30, 30)), 255)
if mutate_or_not(self.min_mutate_rate):
self.color.r = min(max(0, parent.color.r + r.randint(-10, 10)), 255)
if mutate_or_not(self.max_mutate_rate):
self.color.g = r.randint(0, 255)
if mutate_or_not(self.mid_mutate_rate):
self.color.g = min(max(0, parent.color.g + r.randint(-30, 30)), 255)
if mutate_or_not(self.min_mutate_rate):
self.color.g = min(max(0, parent.color.g + r.randint(-10, 10)), 255)
if mutate_or_not(self.max_mutate_rate):
self.color.b = r.randint(0, 255)
if mutate_or_not(self.mid_mutate_rate):
self.color.b = min(max(0, parent.color.b + r.randint(-30, 30)), 255)
if mutate_or_not(self.min_mutate_rate):
self.color.b = min(max(0, parent.color.b + r.randint(-10, 10)), 255)
# alpha
if mutate_or_not(self.mid_mutate_rate):
self.color.a = r.randint(95, 115)
# if mutate_or_not(self.mid_mutate_rate):
# self.color.a = min(max(0, parent.color.a + r.randint(-30, 30)), 255)
# if mutate_or_not(self.min_mutate_rate):
# self.color.a = min(max(0, parent.color.a + r.randint(-10, 10)), 255)
def draw_it(self, size=(256, 256)):
self.img_t = Image.new('RGBA', size)
draw = ImageDraw.Draw(self.img_t)
draw.polygon([(self.ax, self.ay),
(self.bx, self.by),
(self.cx, self.cy),
(self.dx, self.dy)],
fill=(self.color.r, self.color.g, self.color.b, self.color.a))
return self.img_t
class Canvas(object):
'''
定义每一张图片的类
属性：
mutate_rate : 变异概率
size : 图片大小
target_pixels: 目标图片像素值
方法：
add_triangles(self, num=1) : 在图片类中生成num个三角形
mutate_from_parent(self, parent): 从父代图片对象进行变异
calc_match_rate(self) : 计算环境适应度
draw_it(self, i) : 保存图片
'''
mutate_rate = 0.01
size = (256, 256)
target_pixels = []
def __init__(self):
self.triangles = []
self.match_rate = 0
self.img = None
def add_triangles(self, num=1):
for i in range(0, num):
triangle = Triangle()
self.triangles.append(triangle)
def mutate_from_parent(self, parent):
flag = False
for triangle in parent.triangles:
t = triangle
if mutate_or_not(self.mutate_rate):
flag = True
a = Triangle()
a.mutate_from(t)
self.triangles.append(a)
continue
self.triangles.append(t)
if not flag:
self.triangles.pop()
t = parent.triangles[r.randint(0, len(parent.triangles) - 1)]
a = Triangle()
a.mutate_from(t)
self.triangles.append(a)
def calc_match_rate(self):
if self.match_rate > 0:
return self.match_rate
self.match_rate = 0
self.img = Image.new('RGBA', self.size)
draw = ImageDraw.Draw(self.img)
draw.polygon([(0, 0), (0, 255), (255, 255), (255, 0)], fill=(255, 255, 255, 255))
for triangle in self.triangles:
self.img = Image.alpha_composite(self.img, triangle.img_t or triangle.draw_it(self.size))
# 与下方代码功能相同，此版本便于理解但效率低
# pixels = [self.img.getpixel((x, y)) for x in range(0, self.size[0], 2) for y in range(0, self.size[1], 2)]
# for i in range(0, min(len(pixels), len(self.target_pixels))):
# delta_red = pixels[i][0] - self.target_pixels[i][0]
# delta_green = pixels[i][1] - self.target_pixels[i][1]
# delta_blue = pixels[i][2] - self.target_pixels[i][2]
# self.match_rate += delta_red * delta_red + \
# delta_green * delta_green + \
# delta_blue * delta_blue
arrs = [np.array(x) for x in list(self.img.split())] # 分解为RGBA四通道
for i in range(3): # 对RGB通道三个矩阵分别与目标图片相应通道作差取平方加和评估相似度
self.match_rate += np.sum(np.square(arrs[i]-self.target_pixels[i]))[0]
def draw_it(self, i):
#self.img.save(os.path.join(PATH, "%s_%d_%d_%d.png" % (PREFIX, len(self.triangles), i, self.match_rate)))
self.img.save(os.path.join(PATH, "%d.png" % (i)))
def main():
global LOOP, PREFIX, PATH, TARGET, TRIANGLE_NUM
# 声明全局变量
img = Image.open(TARGET).resize((256, 256)).convert('RGBA')
size = (256, 256)
Canvas.target_pixels = [np.array(x) for x in list(img.split())]
# 生成一系列的图片作为父本，选择其中最好的一个进行遗传
parentList = []
for i in range(20):
print('正在生成第%d个初代个体' % (i))
parentList.append(Canvas())
parentList[i].add_triangles(TRIANGLE_NUM)
parentList[i].calc_match_rate()
parent = sorted(parentList, key=lambda x: x.match_rate)[0]
del parentList
gc.collect()
# 进入遗传算法的循环
i = 0
while i < 30000:
childList = []
# 每一代从父代中变异出10个个体
for j in range(10):
childList.append(Canvas())
childList[j].mutate_from_parent(parent)
childList[j].calc_match_rate()
child = sorted(childList, key=lambda x: x.match_rate)[0]
# 选择其中适应度最好的一个个体
del childList
gc.collect()
parent.calc_match_rate()
if i % LOOP == 0:
print ('%10d parent rate %11d \t child1 rate %11d' % (i, parent.match_rate, child.match_rate))
parent = parent if parent.match_rate < child.match_rate else child
# 如果子代比父代更适应环境，那么子代成为新的父代
# 否则保持原样
child = None
if i % LOOP == 0:
# 每隔LOOP代保存一次图片
parent.draw_it(i)
#print(parent.match_rate)
#print ('%10d parent rate %11d \t child1 rate %11d' % (i, parent.match_rate, child.match_rate))
i += 1
'''
定义全局变量，获取待处理的图片名
'''
NAME = input('请输入原图片文件名：')
LOOP = 100
PREFIX = NAME.split('/')[-1].split('.')[0] # 取文件名
PATH = os.path.abspath('.') # 取当前路径
PATH = os.path.join(PATH,'results')
TARGET = NAME # 源图片文件名
TRIANGLE_NUM = 256 # 三角形个数
if __name__ == '__main__':
#print('开始进行遗传算法')
main()
（三）运行结果
（四）结果描述
代码是在遗传算法求解三角形火狐拼图改进而来，遗传算法求解正方形拼图游戏只需随机生成一个坐标和一个常数值（作为正方形的边长），通过正方形的性质，可以写出正方形其他三个点的坐标，确定了四个点的坐标之后，进行遗传和变异。
到此这篇关于Python实现遗传算法(虚拟机中运行)的文章就介绍到这了,更多相关Python 遗传算法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了PyQt5实现类似别踩白块游戏，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-01-01
这篇文章主要为大家详细介绍了如何使用Python实现复制文件从一个目录到另外一个目录,文中的示例代码简洁易懂,有需要的小伙伴可以参考一下2025-01-01
Python调用C++,通过Pybind11制作Python接口
今天小编就为大家分享一篇关于Python调用C++,通过Pybind11制作Python接口，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧2018-10-10
这篇文章主要给大家介绍了关于Python安装Matplotlib包的相关资料,Matplotlib是一个Python 2D绘图库,它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形,需要的朋友可以参考下2023-12-12
这篇文章主要介绍了Python中title()方法的使用简介,是Python入门中的基础知识,需要的朋友可以参考下2015-05-05
今天小编就为大家分享一篇解决django后台管理界面添加中文内容乱码问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
今天小编就为大家分享一篇TensorFlow基本的常量、变量和运算操作详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-02-02
这篇文章主要介绍了python使用numpy计算两个框的iou方法示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪2023-08-08
这篇文章主要为大家详细介绍了使用Python的matplotlib库生成随机漫步图，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-08-08
这篇文章主要介绍了python循环控制语句 break 与 continue，break就像是终止按键，不管执行到哪一步，只要遇到break，不管什么后续步骤，直接跳出当前循环2022-06-06
最新评论