CÓDIGO FUENTE CAMBIO MÍNIMO

ANEXO I: CÓDIGO FUENTE CAMBIO MÍNIMO

/*

* This file is part of JGAP.

*

* JGAP offers a dual license model containing the LGPL as well as the MPL.

*

* For licensing information please see the file license.txt included with JGAP

* or have a look at the top of class org.jgap.Chromosome which representatively

* includes the JGAP license policy applicable for any file delivered with JGAP.

*/

package ejemplos;

import java.io.File;

import org.jgap.Chromosome;

import org.jgap.Configuration;

import org.jgap.FitnessFunction;

import org.jgap.Gene;

import org.jgap.Genotype;

import org.jgap.IChromosome;

import org.jgap.data.DataTreeBuilder;

import org.jgap.data.IDataCreators;

import org.jgap.impl.DefaultConfiguration;

import org.jgap.impl.IntegerGene;

import org.jgap.xml.XMLDocumentBuilder;

import org.jgap.xml.XMLManager;

import org.w3c.dom.Document;

/**

* En este ejemplo se muestra como resolver un problema clasico de algoritmos

* genéticos utilizando el framework JGAP. El problema consiste en lograr juntar

* el monto de dinero ingresado a la aplicacion por parametro con la menor

* cantidad de monedas posibles. Para resolver el problema nos basamos en la

* moneda de la Republica Argentina. Moneda de 1 Peso ( equivale a 100 centavos

* ) Moneda de 50 Centavos Moneda de 25 Centavos Moneda de 10 Centavos Moneda de

* 5 Centavos Moneda de 1 Centavo

*

* @author Gabriel Veloso

* @author Ruben Arce

* @since 1.0

*/

public class CambioMinimo {

/**

* The total number of times we'll let the population evolve.

*/

private static final int MAX_EVOLUCIONES_PERMITIDAS = 2200;

/**

* Calcula utilizando algoritmos geneticos la solución al problema y la

* imprime por pantalla

*

* @param Monto

* Monto que se desea descomponer en la menor cantidad de monedas

* posibles

* @throws Exception

*

* @author Gabriel Veloso

* @author Ruben Arce

* @since 1.0

*/

public static void calcularCambioMinimo(int Monto)

throws Exception {

// Se crea una configuracion con valores predeterminados.

// -------------------------------------------------------------

Configuration conf = new DefaultConfiguration();

// Se indica en la configuracion que el elemento mas apto siempre pase a

// la proxima generacion

// -------------------------------------------------------------

conf.setPreservFittestIndividual(true);

// Se Crea la funcion de aptitud y se setea en la configuracion

// ---------------------------------------------------------

FitnessFunction myFunc = new CambioMinimoFuncionAptitud(Monto);

conf.setFitnessFunction(myFunc);

// Ahora se debe indicar a la configuracion como seran los cromosoma: en

// este caso tendran 5 genes (uno para cada tipo de moneda) con un valor

// entero (candiad de monedas de ese tipo).

// Se debe crear un cromosoma de ejemplo y cargarlo en la configuracion

// Cada gen tendra un valor maximo y minimo que debe setearse.

// --------------------------------------------------------------

Gene[] sampleGenes = new Gene[6];

sampleGenes[0] = new IntegerGene(conf, 0, Math.round(CambioMinimoFuncionAptitud.MAX_MONTO/100)); // Moneda 1 peso

sampleGenes[1] = new IntegerGene(conf, 0, 10); // Moneda 50 centavos

sampleGenes[2] = new IntegerGene(conf, 0, 10); // Moneda 25 centavos

sampleGenes[3] = new IntegerGene(conf, 0, 10); // Moneda 10 centavos

sampleGenes[4] = new IntegerGene(conf, 0, 10); // Moneda 5 centavos

sampleGenes[5] = new IntegerGene(conf, 0, 10); // Moneda 1 centavo

IChromosome sampleChromosome = new Chromosome(conf, sampleGenes);

conf.setSampleChromosome(sampleChromosome);

// Por ultimo se debe indicar el tamaño de la poblacion en la

// configuracion

// ------------------------------------------------------------

conf.setPopulationSize(200);

Genotype Poblacion;

// El framework permite obtener la poblacion inicial de archivos xml

// pero para este caso particular resulta mejor crear una poblacion

// aleatoria, para ello se utiliza el metodo randomInitialGenotype que

// devuelve la poblacion random creada

Poblacion = Genotype.randomInitialGenotype(conf);

// La Poblacion debe evolucionar para obtener resultados mas aptos

// ---------------------------------------------------------------

long TiempoComienzo = System.currentTimeMillis();

for (int i = 0; i < MAX_EVOLUCIONES_PERMITIDAS; i++) {

Poblacion.evolve();

}

long TiempoFin = System.currentTimeMillis();

System.out.println("Tiempo total de evolucion: "

+ (TiempoFin - TiempoComienzo) + " ms");

guardarPoblacion(Poblacion);

// Una vez que la poblacion evoluciono es necesario obtener el cromosoma

// mas apto para mostrarlo como solucion al problema planteado para ello

// se utiliz el metodo getFittestChromosome

IChromosome cromosomaMasApto = Poblacion.getFittestChromosome();

System.out.println("El cromosoma mas apto encontrado tiene un valor de aptitud de: "

+ cromosomaMasApto.getFitnessValue());

System.out.println("Y esta formado por la siguiente distrubucion de monedas: ");

System.out.println("\t"

+ CambioMinimoFuncionAptitud.getNumeroDeComendasDeGen(

cromosomaMasApto, 0) + " Moneda 1 peso");

System.out.println("\t"

+ CambioMinimoFuncionAptitud.getNumeroDeComendasDeGen(

cromosomaMasApto, 1) + " Moneda 50 centavos");

System.out.println("\t"

+ CambioMinimoFuncionAptitud.getNumeroDeComendasDeGen(

cromosomaMasApto, 2) + " Moneda 25 centavos");

System.out.println("\t"

+ CambioMinimoFuncionAptitud.getNumeroDeComendasDeGen(

cromosomaMasApto, 3) + " Moneda

...