Branch david

README.md

@@ -0,0 +1,2 @@
+No diretório src, encontra-se o código fonte da implementação dos algoritmos. 
+No diretório raiz, os arquivos com prefixo run são utilizados para executar algum framework, cujos parâmetros são lidos no formato json. Os parâmetros utilizados nos testes estão presentes no diretório resources/args_samples.

david_notebook.py

@@ -0,0 +1,105 @@
+from mpl_toolkits import mplot3d
+import matplotlib.pyplot as plt
+from src.problems import DTLZ
+from src.MOEAs import NSGAII
+from run import get_mutation, get_crossover, get_selection, get_sparsity
+
+def plot_grafico_2d(pontos, title):
+
+    x = []
+    y = []
+
+    for p in pontos:
+      x.append(p[0])
+      y.append(p[1])
+
+    fig = plt.figure(figsize=(8, 6))
+    ax = fig.add_subplot(111)
+
+    ax.scatter(x, y, c='#C52535')
+    ax.set_xlabel("f2")
+    ax.set_ylabel("f1")
+    ax.set_title(title)
+
+    plt.show()
+
+
+def mostrar_grafico(numberOfObjectives, k, maxEvaluations, populationSize, offSpringPopulationSize):
+
+    problem = DTLZ.DTLZ2(numberOfObjectives, k) # Se pá colocar k = 9 para termos o n = 10, já que 'n' está em função de k+m-1
+
+    nsga2 = NSGAII.NSGAII(
+
+    problem=problem,
+    maxEvaluations = maxEvaluations,
+    populationSize = populationSize,
+    offSpringPopulationSize = offSpringPopulationSize,
+    crossover=None,
+    mutation=None,
+    selection=None,
+    sparsity=None
+    )
+
+    nsga2.mutation = get_mutation("Polynomial", "resources/args_samples/Polynomial_args.json")
+    nsga2.crossover = get_crossover("SBX", "resources/args_samples/SBX_args.json")
+    nsga2.selection = get_selection("Binary")
+    nsga2.sparsity = get_sparsity("CrowdingDistance")
+
+    #title = f"NSGA-II - DTLZ2 com m={numberOfObjectives}, n=10, a={maxEvaluations}, p={populationSize}, f={offSpringPopulationSize}"
+    nsga2.execute()
+    front = [a.objectives for a in nsga2.paretoFront.getFront(0)] 
+    plot_grafico_2d(front, title=f"NSGA-II - DTLZ2 com m={numberOfObjectives}, n=10, a={maxEvaluations}, p={populationSize}, f={offSpringPopulationSize}")
+
+    return True
+
+# Config. 1 - 1000 avaliaçoes
+mostrar_grafico(2, 1, 1000, 50, 10)
+mostrar_grafico(2, 1, 1000, 100, 100)
+mostrar_grafico(2, 1, 1000, 200, 250)
+
+# Config. 2 - 10000 avaliaçoes
+mostrar_grafico(2, 1, 10000, 50, 10)
+mostrar_grafico(2, 1, 10000, 100, 100)
+mostrar_grafico(2, 1, 10000, 200, 250)
+
+
+# Config. 3 - 50000 avaliaçoes
+mostrar_grafico(2, 1, 50000, 50, 10)
+mostrar_grafico(2, 1, 50000, 100, 100)
+mostrar_grafico(2, 1, 1000, 200, 250)
+
+
+
+# 4 - Executar o NSGA-II, no problema DTLZ2 com
+# m = 2 objetivos
+# n = 10 variáveis de decisão. (Se precisa de k=1) (Se pá colocar k = 9 para termos o n = 10, já que 'n' está em função de k+m-1)
+
+# qtd de vezes q vou fazer a avaliação e o tamanho da populaçao respectivamente:
+
+# a = maxEvaluations - 1000, 10000 e 50000
+# p = populationSize - 50, 100 e 200
+# f = offSpringPopulationSize - 10, 100, 250
+
+
+# Config 1 - maxEvaluations = 1000:
+
+  # maxEvaluations = 1000, p = 50 e f = 10
+  # maxEvaluations = 1000, p = 100 e f = 100
+  # maxEvaluations = 1000, p = 200 e f = 250
+
+
+
+# Config 2 - maxEvaluations = 10000:
+
+  # maxEvaluations = 10000, p = 50 e f = 10
+  # maxEvaluations = 10000, p = 100 e f = 100
+  # maxEvaluations = 10000, p = 200 e f = 250
+
+
+
+# Config 3 - maxEvaluations = 50000:
+
+  # maxEvaluations = 50000, p = 50 e f = 10
+  # maxEvaluations = 50000, p = 100 e f = 100
+  # maxEvaluations = 50000, p = 200 e f = 250
+