Решение Задачи Python: Готовый Код и Объяснение

К сожалению, я не могу напрямую запускать Python-код или другие программы. Я являюсь большой языковой моделью и моя функция — генерировать текст, отвечать на вопросы и выполнять инструкции. Однако, я могу предоставить вам этот код в готовом виде, который вы можете скопировать и запустить в любом Python-интерпретаторе (например, в онлайн-компиляторе Python, в IDE типа PyCharm или VS Code, или просто в командной строке, если у вас установлен Python). Вот код, который вы можете скопировать и запустить: ```python # 1. Функция оценки качества хромосомы def qZ(x, y): # Проверяем знаменатель, чтобы избежать деления на ноль, хотя в данном случае он всегда >= 1 denominator = 3 * x**2 + 3 * y**2 + 1 if denominator == 0: return float('-inf') # Возвращаем очень маленькое число, если знаменатель равен 0 return (x - 3 * y + 1) / denominator # 2. Функция для суммирования качеств def qSumZ(Z): return sum(Z) # 3. Функция сортировки (возвращает индексы от худшего к лучшему) def sorting(Z): # sortedId будет содержать индексы хромосом, отсортированные по их качеству Z[k] # key=lambda k: Z[k] указывает, что сортировка происходит по значению элемента Z с индексом k # Таким образом, sortedId[0] будет индексом хромосомы с наименьшим Z sortedId = sorted(range(len(Z)), key=lambda k: Z[k]) return sortedId # 4. Функция обмена генами (соответствует схеме с цветными квадратами) def exchangeScheme(oldX, oldY, sortedId): X = [0] * 4 Y = [0] * 4 # Определяем индексы родителей из отсортированного списка # sortedId[0] - индекс худшей хромосомы # sortedId[1] - индекс средней хромосомы # sortedId[2] - индекс лучшей хромосомы # В схеме с цветными квадратами: # 'a' - лучшая хромосома (соответствует sortedId[2]) # 'b' - средняя хромосома (соответствует sortedId[1]) # 'c' - худшая хромосома (соответствует sortedId[0]) a_idx = sortedId[2] # Индекс лучшей хромосомы b_idx = sortedId[1] # Индекс средней хромосомы c_idx = sortedId[0] # Индекс худшей хромосомы # Формируем потомков b1, c1, b2, c2 согласно схеме: # b1: верхний ген от b, нижний ген от a X[0] = oldX[b_idx] Y[0] = oldY[a_idx] # c1: верхний ген от c, нижний ген от a X[1] = oldX[c_idx] Y[1] = oldY[a_idx] # b2: верхний ген от a, нижний ген от b X[2] = oldX[a_idx] Y[2] = oldY[b_idx] # c2: верхний ген от a, нижний ген от c X[3] = oldX[a_idx] Y[3] = oldY[c_idx] return X, Y # 5. Функция для шага эволюции (удаление худшей хромосомы) def evoStep(X, Y, Z): # Находим хромосому с минимальным качеством и ее индекс minVal, minId = min((value, id) for (id, value) in enumerate(Z)) # Создаем копии списков, чтобы не изменять исходные напрямую X_copy = X[:] Y_copy = Y[:] Z_copy = Z[:] # Удаляем хромосому с минимальным качеством по ее индексу X_copy.pop(minId) Y_copy.pop(minId) Z_copy.pop(minId) return X_copy, Y_copy, Z_copy # 6. Конечная функция для выполнения нескольких шагов эволюции def evoSteps(X, Y, stepsNum = 4): results = [] # Список для хранения результатов каждого шага for i in range(stepsNum): # Цикл по количеству шагов эволюции # 1. Вычисляем качество Z для текущей популяции arrZ = [qZ(x_val, Y[idx]) for idx, x_val in enumerate(X)] # 2. Выполняем шаг эволюции (удаляем худшую хромосому) # После evoStep популяция уменьшается до 3 хромосом X_after_evo, Y_after_evo, Z_after_evo = evoStep(X, Y, arrZ) # 3. Сортируем оставшиеся 3 хромосомы по качеству # sorted_indices будут содержать индексы этих 3 хромосом, отсортированные по Z sorted_indices = sorting(Z_after_evo) # 4. Создаем новое поколение из 4 хромосом через обмен генами # X_after_evo, Y_after_evo - это 3 хромосомы, которые остались после отбора X, Y = exchangeScheme(X_after_evo, Y_after_evo, sorted_indices) # 5. Снова вычисляем качество Z для нового поколения (теперь снова 4 хромосомы) current_Z = [qZ(x_val, Y[idx]) for idx, x_val in enumerate(X)] # 6. Сохраняем результаты текущего шага: # [новые X, новые Y, суммарное качество, список качеств Z] results.append([X, Y, qSumZ(current_Z), current_Z]) return X, Y, results # Возвращаем финальные X, Y и все результаты по шагам # --- Начальные данные и запуск алгоритма --- # Объявление массивов хромосом initial_X = [-2, -1, 0, 1] initial_Y = [-2, -1, 0, 1] print("Начальная популяция:") for i in range(len(initial_X)): print(f"Хромосома {i+1}: (x={initial_X[i]}, y={initial_Y[i]}), Z={qZ(initial_X[i], initial_Y[i]):.5f}") print("-" * 30) # Реализация алгоритма final_X, final_Y, results = evoSteps(initial_X, initial_Y) # --- Вывод полученных значений --- print("\nРезультаты эволюции:") all_max_Z_values = [] for i in range(len(results)): step_max_Z = max(results[i][3]) all_max_Z_values.append(step_max_Z) print(f'Максимальное качество на шаге {i + 1}: {step_max_Z:.5f}') # print(f' Популяция X на шаге {i + 1}: {results[i][0]}') # print(f' Популяция Y на шаге {i + 1}: {results[i][1]}') # print(f' Качества Z на шаге {i + 1}: {[f"{z:.5f}" for z in results[i][3]]}') # print(f' Суммарное качество на шаге {i + 1}: {results[i][2]:.5f}') # print("-" * 20) print("-" * 30) # Общее максимальное качество Z за все шаги print(f'Общее максимальное качество Z за все шаги: {max(all_max_Z_values):.5f}') print("\nФинальная популяция после 4 шагов:") for i in range(len(final_X)): print(f"Хромосома {i+1}: (x={final_X[i]}, y={final_Y[i]}), Z={qZ(final_X[i], final_Y[i]):.5f}") ``` **Как запустить этот код:** 1. **Установите Python:** Если у вас его нет, скачайте и установите с официального сайта python.org. 2. **Сохраните код:** Скопируйте весь текст выше и вставьте его в текстовый редактор (например, Блокнот, Sublime Text, VS Code). Сохраните файл с расширением `.py` (например, `genetic_algorithm.py`). 3. **Запустите из командной строки:** Откройте командную строку (или терминал), перейдите в папку, где вы сохранили файл, и выполните команду: ```bash python genetic_algorithm.py ``` 4. **Используйте онлайн-компилятор:** Вы можете просто вставить этот код на сайт, который позволяет запускать Python онлайн (например, replit.com, programiz.com/python-programming/online-compiler/). После запуска вы увидите вывод, который покажет максимальное качество хромосомы на каждом шаге эволюции и общее максимальное качество, достигнутое за все 4 шага.