Algoritmo genetico con colores

algoritmo

Seleccion de individuos % elitista, ruleta o torneo
Cruza de individuos (2 intercambian atributos) - salen 2 hijos; Generar aleatorio(A<Pc) si es menor entonces no se cruza sale igual
Mutación indivual de nuevos individuos; Generar aleatorio si (T<Pm) si sale igual no muta
Evaluar a la nueva población

Recibir numero de colores que se van a tener (genes)
Recibir la disposicion de los genes ejemplo: [17 rojos, 18, amarillos, 13 verdes, 19 azules]
Poblar vector de forma aleatoria con los genes
Convertir vector a matriz de NxN

Ordenar individuos por su valor de fitness
añadir a poblacion elite el numero de individuos definidio por poblacion elite
- si es una poblacion de 100 y la poblacion elite es de 10% entonces se tomaran los 10 mejores (10 primeros de la poblacion ordenada)

tomar el mejor de la poblacion elite
- Si el mejor esta en dentro del fitness minimo se detiene el algoritmo

Si se toma de forma secuencial 2 individuos
para cada individuo
- Si el individuo esta dentro de la poblacion elite entonces este pasa sin modificacion
- Si no esta entonces se calcula la probabilidad de cruza
- Si se cruza entonces se calcula una posicion aleatoria de sustitucion. Ejemplo ind1 [1,2,2,2,3] ind2 [2,2,2,1,3] pos_random = 2 ind2[:2] = [1,3]. ind1_new = [1,2,2,1,3].

si el individuo esta dentro de la poblacion elite este no se muta
Si se va a mutar entonces se procesa gen por gen la probabilidad de mutacion y si esta sale positiva entonces se intercambia un gen por otro del mismo elemento.
- ejemplo ind = [1,2,2,1,1] mutacion_ind = [2,1,2,1,1], en este ejemplo se muto la posicion 0 y se intercambio por la 1.

Se calculan las posiciones de los genes adjuntos
- norte,sur,este,oeste,suroeste,noroeste,sureste,noreste.
por cada gen se compara en todas las direcciones posibles, si el gen de x posicion es igual al gen del centro entonces se aumenta un contador de genes iguales
- Si es igual o no se tiene otro contador que aumenta para contar el numero de comparaciones hechas
Se obtiene el promedio de todas las comparaciones hechas en cada gen y este debe dar un valor comprendido entre [0 - 1.0] donde 1.0 es 100%.

generar poblacion inicial
calcular elite de la poblacion inicial
evaluar generacion actual
cruzar individuos
mutar individuos
sustuir poblacion inicial con poblacion siguiente
repetir desde el punto 2. hasta que no se cumpla la condicion de fitness minimo o el numero de generaciones definido
mostrar mejor individuo