ホームページ バックエンド開発 Python チュートリアル 遺伝的アルゴリズムを使用したドット シミュレーション - パート 1

遺伝的アルゴリズムを使用したドット シミュレーション - パート 1

Jan 08, 2025 am 08:13 AM

このブログ投稿では、遺伝的アルゴリズム (GA) を使用して、障害物を回避しながらターゲットに向かって移動するドットをシミュレートする魅力的なプロジェクトについて詳しく説明します。 GA は自然選択を模倣し、ターゲットへの近さに基づいてドットの母集団を繰り返し改善します。

Dots Simulation using Genetic Algorithm - Part 1

遺伝的アルゴリズムの実装:

GA は次の標準的な手順に従います:

  1. 初期化: ドットの初期集団をランダムに生成します。
  2. 評価: フィットネス関数は、ターゲットからの距離に基づいて各ドットのパフォーマンスを評価します。
  3. 選択: 最も適したドットが次世代の親として選択されます。
  4. クロスオーバー: 2 つの親からの遺伝情報 (移動方向) が結合されて子孫が作成されます。 (注: このプロジェクトでは、簡単にするために最初はレプリケーションを使用します。クロスオーバーは後で追加されます。)
  5. 突然変異: 多様性を維持するために、子孫の移動方向に小さなランダムな変化が導入されます。
  6. 置換: 前の世代が子孫に置き換えられます。
  7. エリート主義: 前世代の最高のパフォーマンスのドットは、次の世代にも保存されます。
  8. 反復: ステップ 2 ~ 7 が、指定された世代数だけ繰り返されます。

シミュレーションの概要:

シミュレーションは、赤い四角のターゲットに到達するために進化するドットの集団を視覚化します。各ドットの動きは、その「遺伝子」(一連の動きの方向)によって決まります。 選択、突然変異、複製を通じて集団は適応し、黒い長方形の障害物を回避しながらターゲットに到達する能力を向上させます。

主要なシミュレーション コンポーネント:

  1. ドット: 移動方向 (染色体) とターゲットの近接性に基づく適応度スコアを持つエージェント。
  2. フィットネス関数: ターゲットまでの距離に基づいてフィットネスを計算し、より短いパスに報酬を与えます。
  3. 人口: 世代を超えて進化する点の集合。
  4. 遺伝的アルゴリズム: 進化のプロセスを推進し、適合する個体を選択し、バリエーションを導入します。
  5. 障害物: ドットのナビゲーションに挑戦する黒い四角形。
  6. 目標: 点が到達することを目指す赤い四角のターゲット。

プロジェクトのセットアップ (Python と Pygame):

プロジェクトは視覚化に Pygame を使用します。 主要なグローバル変数は、シミュレーションのパラメーター (集団サイズ、突然変異率など) を制御します。 Dot クラスは個々のドットを表し、その位置、動き、フィットネスを管理します。

初期シミュレーション (単一ドット):

最初のコードは、画面の境界を出るまでランダムに移動する単一のドットをシミュレートします。これは、母集団と GA を導入する前の基礎的なステップとして機能します。

人口シミュレーション:

Population クラスはドットのグループを管理します。 update メソッドはドットを移動し、障害物との衝突をチェックします。 シミュレーションでは、同時に移動する複数のドットが表示されるようになりました。

障害物と目標の追加:

Obstacle クラスと Goal クラスは、それぞれ障害物とターゲットを表すために導入されています。 衝突検出が実装されており、衝突時にドットが「消滅」します。シミュレーションには、赤いターゲット正方形と黒い長方形の障害物が含まれています。

遺伝的アルゴリズムの実装 (レプリケーション):

get_fitness クラスの Dot メソッドは、適応度を計算します。 Population クラスは、選択、レプリケーション (最初はクロスオーバーではなく)、突然変異、エリート主義を実装するための generate_next_generation メソッドと select_best_dots メソッドを取得します。シミュレーションでは、人口が世代を超えて進化することが示されています。

今後の機能強化:

今後のブログ投稿では次の内容を取り上げます:

  • エリート ドットを視覚的に区別します。
  • より複雑な障害物を追加します。
  • より洗練された子孫生成のためのクロスオーバーの実装。
  • ドットがターゲットに到達すると「到達」メッセージを表示します。

完全なコード (この時点まで) は GitHub で入手できます。 コードを試して、結果を共有してください。 AICraftsLab Discord コミュニティに参加して、他の AI 愛好家とつながりましょう。

以上が遺伝的アルゴリズムを使用したドット シミュレーション - パート 1の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

Python vs. C:比較されたアプリケーションとユースケース Python vs. C:比較されたアプリケーションとユースケース Apr 12, 2025 am 12:01 AM

Pythonは、データサイエンス、Web開発、自動化タスクに適していますが、Cはシステムプログラミング、ゲーム開発、組み込みシステムに適しています。 Pythonは、そのシンプルさと強力なエコシステムで知られていますが、Cは高性能および基礎となる制御機能で知られています。

2時間のPython計画:現実的なアプローチ 2時間のPython計画:現実的なアプローチ Apr 11, 2025 am 12:04 AM

2時間以内にPythonの基本的なプログラミングの概念とスキルを学ぶことができます。 1.変数とデータ型、2。マスターコントロールフロー(条件付きステートメントとループ)、3。機能の定義と使用を理解する4。

Python:ゲーム、GUIなど Python:ゲーム、GUIなど Apr 13, 2025 am 12:14 AM

PythonはゲームとGUI開発に優れています。 1)ゲーム開発は、2Dゲームの作成に適した図面、オーディオ、その他の機能を提供し、Pygameを使用します。 2)GUI開発は、TKINTERまたはPYQTを選択できます。 TKINTERはシンプルで使いやすく、PYQTは豊富な機能を備えており、専門能力開発に適しています。

Python vs. C:曲線と使いやすさの学習 Python vs. C:曲線と使いやすさの学習 Apr 19, 2025 am 12:20 AM

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

Pythonと時間:勉強時間を最大限に活用する Pythonと時間:勉強時間を最大限に活用する Apr 14, 2025 am 12:02 AM

限られた時間でPythonの学習効率を最大化するには、PythonのDateTime、時間、およびスケジュールモジュールを使用できます。 1. DateTimeモジュールは、学習時間を記録および計画するために使用されます。 2。時間モジュールは、勉強と休息の時間を設定するのに役立ちます。 3.スケジュールモジュールは、毎週の学習タスクを自動的に配置します。

Python vs. C:パフォーマンスと効率の探索 Python vs. C:パフォーマンスと効率の探索 Apr 18, 2025 am 12:20 AM

Pythonは開発効率でCよりも優れていますが、Cは実行パフォーマンスが高くなっています。 1。Pythonの簡潔な構文とリッチライブラリは、開発効率を向上させます。 2.Cのコンピレーションタイプの特性とハードウェア制御により、実行パフォーマンスが向上します。選択を行うときは、プロジェクトのニーズに基づいて開発速度と実行効率を比較検討する必要があります。

Python:自動化、スクリプト、およびタスク管理 Python:自動化、スクリプト、およびタスク管理 Apr 16, 2025 am 12:14 AM

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。

Pythonの学習:2時間の毎日の研究で十分ですか? Pythonの学習:2時間の毎日の研究で十分ですか? Apr 18, 2025 am 12:22 AM

Pythonを1日2時間学ぶだけで十分ですか?それはあなたの目標と学習方法に依存します。 1)明確な学習計画を策定し、2)適切な学習リソースと方法を選択します。3)実践的な実践とレビューとレビューと統合を練習および統合し、統合すると、この期間中にPythonの基本的な知識と高度な機能を徐々に習得できます。

See all articles