可视化虎的演化谱系

老虎进化框架

在上一章中，我们已将一些基本的追踪机制完整集成到遗传算法框架中。这些机制使我们能够追踪年龄、适应度以及遗传算法的几乎所有其他方面。我们还创建了一个用于追踪进化谱系的机制。

记住：谱系是整个进化过程的家族树。

在本课中，我们将学习如何导出谱系树，并使用第三方工具进行可视化。首先，打开 tiger_simulation.exs 文件。目前它的内容如下：

1defmodule TigerSimulation do
2  @behaviour Problem
3  alias Types.Chromosome
4
5  @impl true
6  def genotype do
7    genes = for _ <- 1..8, do: Enum.random(0..1)
8    %Chromosome{genes: genes, size: 8}
9  end
10
11  @impl true
12  def fitness_function(chromosome) do
13    tropic_scores = [0.0, 3.0, 2.0, 1.0, 0.5, 1.0, -1.0, 0.0]
14    tundra_scores = [1.0, 3.0, -2.0, -1.0, 0.5, 2.0, 1.0, 0.0]
15    traits = chromosome.genes
16
17    traits
18    |> Enum.zip(tundra_scores)
19    |> Enum.map(fn {t, s} -> t*s end)
20    |> Enum.sum()
21  end
22
23  @impl true
24  def terminate?(_population, generation), do: generation == 1000
25
26  def average_tiger(population) do
27    genes = Enum.map(population, & &1.genes)
28    fitnesses = Enum.map(population, & &1.fitness)
29    ages = Enum.map(population, & &1.age)
30    num_tigers = length(population)
31
32    avg_fitness = Enum.sum(fitnesses) / num_tigers
33    avg_age = Enum.sum(ages) / num_tigers
34    avg_genes =
35      genes
36      |> Enum.zip()
37      |> Enum.map(& Enum.sum(Tuple.to_list(&1)) / num_tigers)
38
39    %Chromosome{genes: avg_genes, age: avg_age, fitness: avg_fitness}
40  end
41end
42
43tiger = Genetic.run(TigerSimulation,
44                    population_size: 20,
45                    selection_rate: 0.9,
46                    mutation_rate: 0.1,
47                    statistics: %{average_tiger: &TigerSimulation.average_tiger/1})
48
49IO.write("\n")
50IO.inspect(tiger)
51genealogy = Utilities.Genealogy.get_tree()
52
53IO.inspect(Graph.vertices(genealogy))

我们需要首先调整终止条件。目前，算法设置为在运行 1000 代后终止（如上述代码第 24 行所示）。为了本章的目的，我们将大幅减少这个数值，以便更轻松地可视化谱系。在此示例中，我们将代数减少到 1，种群规模减少到 2：

1defmodule TigerSimulation do
2  # ...
3  def terminate?(_population, generation), do: generation == 1
4  # ...
5end
6
7tiger = Genetic.run(TigerSimulation,
8                    population_size: 2,
9                    selection_rate: 1.0,
10                    mutation_rate: 0.0,
11                    statistics: %{average_tiger: &TigerSimulation.average_tiger/1})

接下来，我们需要将谱系树导出为 DOT 文件，如下所示：

1genealogy = Utilities.Genealogy.get_tree()
2
3{:ok, dot} = Graph.Serializers.DOT.serialize(genealogy)
4{:ok, dotfile} = File.open("tiger_simulation.dot", [:write])
5:ok = IO.binwrite(dotfile, dot)
6:ok = File.close(dotfile)

在这段代码中，我们使用 libgraph API 将谱系树序列化为 DOT 格式的二进制数据。DOT 是一种标准的图结构序列化格式。然后我们创建一个新文件，并将序列化的图写入其中。

测试应用程序

我们可以运行以下应用来测试效果：

注意：请注意，谱系本质上是从第一代的两个染色体开始并由此扩展出去的一棵树。

这种可视化方式非常有助于展示最适染色体随时间的变化过程。