1. Algoritmo Genético para: GEO-Clásico

Un vendedor parte de la ciudad de residencia (1: Lima), luego recorre todas las ciudades una sola vez, y retorna a la ciudad de residencia.

Importación de liberías

import ag_lbpt.util as util

Ejecución de algoritmo genético

#--------------------------------------------------------------------------------------------------------------------------------------
# INPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# ArchicoTSPcsv = 'geo_14c.csv' : Archivo de datos (coordenadas geográfica 2D (Ciudad, Latitud, longitud)) en formato csv
# Iteraciones = 10              : cantidad de veces que se ejecuta el AG
# Generaciones = 100            : Cantidade de generaciones que itera el AG
# Poblacion = 350               : Cantidad de pobladores del AG
# ProbMutacion = 0.1            : Probabilidad de mutación
# TipoMutacion = 'Permuta'      : El individuo mutante se consigue por permutación de atributos
# TipoCruce = 'Complemento'     : la operación cruce es eligiendo M atributos de primer ancestro y el resto por complemento
# GenUnico = True               : Los genes tiene valores únicos o distintos
# IniciFijo = True              : El primer gen siempre es 1. La ciudad de partida siempre es 1
# IniciFinFijo = False          : Es falso ya que el parametro anterior es True
# N = 14                        : Cantidad de ciudades
# PobElite = 2                  : Indidivuos de la élite
#--------------------------------------------------------------------------------------------------------------------------------------
# OUTPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# AG        : Objeto algoritmo genético
# Solución  : Cromosoma solución al problema
# Costo     : Costo que implica dicha solución 
#--------------------------------------------------------------------------------------------------------------------------------------

AG, Solucion, Costo = util.agTSPgeo('geo_14c.csv', 10, 100, 350, 0.1, 'Permuta',
                                   'Complemento', True, True, False, 14, 2)
print('Solucion: ', Solucion)
print('Costo: ', Costo)

Solucion:  [0, 10, 7, 4, 13, 3, 6, 12, 2, 5, 11, 9, 1, 8]
Costo:  5421.117337253277

Gráfico de evolución de costo

AG.GraficaCosto()

Generación de ruta solución en un mapa GEO

util.GraficaMapaGEO('mapa_geo1.html',util.GEO,Solucion,Zoom=5)

Mapa Resultado mapa_geo1.html

2. Algoritmo Genético para: GEO-Inicio-Fin-Definido

Un vendedor parte de la ciudad de residencia (1: Lima), luego recorre n-1 ciudades una sola vez, finaliza su recorrido siempre en la n-ésima ciudad, (N: Huaraz)y retorna a la ciudad de residencia.

#--------------------------------------------------------------------------------------------------------------------------------------
# INPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# ArchicoTSPcsv = 'geo_14c.csv' : Archivo de datos (coordenadas geográfica 2D (Ciudad, latitud, Longitud)) en formato csv
# Iteraciones = 10              : cantidad de veces que se ejecuta el AG
# Generaciones = 100            : Cantidade de generaciones que itera el AG
# Poblacion = 350               : Cantidad de pobladores del AG
# ProbMutacion = 0.1            : Probabilidad de mutación
# TipoMutacion = 'Permuta'      : El individuo mutante se consigue por permutación de atributos
# TipoCruce = 'Complemento'     : la operación cruce es eligiendo M atributos de primer ancestro y el resto por complemento
# GenUnico = True               : Los genes tiene valores únicos o distintos
# IniciFijo = False             : False, porque el parametro siguente es True
# IniciFinFijo = True           : El primer gen = 1, último gen = N
# N = 14                        : Cantidad de ciudades
# PobElite = 2                  : Indidivuos de la élite
#--------------------------------------------------------------------------------------------------------------------------------------
# OUTPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# AG        : Objeto de algoritmo genético
# Solución  : Cromosoma solución al problema
# Costo     : Costo que implica dicha solución 
#--------------------------------------------------------------------------------------------------------------------------------------

AG, Solucion, Costo = util.agTSPgeo('geo_14c.csv', 10, 100, 350, 0.1, 'Permuta',
                                   'Complemento', True, False, True, 14, 2)
print('Solucion: ', Solucion)
print('Costo: ', Costo)

Solucion:  [0, 5, 9, 8, 1, 11, 7, 4, 6, 3, 12, 2, 10, 13]
Costo:  4975.7308218247

AG.GraficaCosto()

util.GraficaMapaGEO('mapa_geo2.html',util.GEO,Solucion,Zoom=5)

Mapa Resultado mapa_geo2.html

3. Algoritmo Genético para: TSP-Inicio-Fin-Indefinido

Un vendedor parte de una ciudad (indefinida), luego recorre todas las ciudades una sola vez, y retorna a la ciudad de residencia.

#--------------------------------------------------------------------------------------------------------------------------------------
# INPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# ArchicoTSPcsv = 'geo_14c.csv' : Archivo de datos (coordenadas geográfica 2D (Ciudad, Latitud, Longitud)) en formato csv
# Iteraciones = 10              : cantidad de veces que se ejecuta el AG
# Generaciones = 100            : Cantidade de generaciones que itera el AG
# Poblacion = 350               : Cantidad de pobladores del AG
# ProbMutacion = 0.1            : Probabilidad de mutación
# TipoMutacion = 'Permuta'      : El individuo mutante se consigue por permutación de atributos
# TipoCruce = 'Complemento'     : la operación cruce es eligiendo M atributos de primer ancestro y el resto por complemento
# GenUnico = True               : Los genes tiene valores únicos o distintos
# IniciFijo = False             : El gen inicio puede ser cualquiera
# IniciFinFijo = False          : El primer y último gen puede ser cualquiera
# N = 14                        : Cantidad de ciudades
# PobElite = 2                  : Indidivuos de la élite
#--------------------------------------------------------------------------------------------------------------------------------------
# OUTPUT
#--------------------------------------------------------------------------------------------------------------------------------------
# AG        : Objeto de algoritmo genético
# Solución  : Cromosoma solución al problema
# Costo     : Costo que implica dicha solución 
#--------------------------------------------------------------------------------------------------------------------------------------

AG, Solucion, Costo = util.agTSPgeo('geo_14c.csv', 10, 100, 350, 0.1, 'Permuta',
                                   'Complemento', True, False, False, 14, 2)
print('Solucion: ', Solucion)
print('Costo: ', Costo)

Solucion:  [13, 10, 5, 0, 11, 1, 8, 9, 4, 7, 6, 3, 12, 2]
Costo:  5245.313748231563

AG.GraficaCosto()

util.GraficaMapaGEO('mapa_geo3.html',util.GEO,Solucion,Zoom=5)

Mapa Resultado mapa_geo3.html

Luis Beltran Palma Ttito, luis.palma@unsaac.edu.pe (autor)

Dennis Iván Candia oviedo, dennis.candia@unsaac.edu.pe (coautor)

Carlos Ramón Quispe Onofre, carlos.quispe@unsaac.edu.pe(coautor)

Willian Zamalloa Paro, willian.zamalloa@unsaac.edu.pe(coautor)

José Mauro Pillco Quispe, jose.pillco@unsaac.edu.pe(coautor)