/*-------------------------------------------------------------
		ＧＡサンプルテストプログラム

	このプログラムによって以下のファイルが作製されます。

	○	max_avg.log
			評価の推移の記録。
			評価の最大値、平均値を各ステップ毎に記録。

	○	ans.dat
			最適化された  x, y の正規値。
			評価関数にこの値を入れると、評価の最大値を
			与えます。

			N_Ele だけ、 解を与えます。

		ans.dat =  [ [ x11	  x12	    .... x1(N_Gen)       ]
			     [ x21	  x22 	    .... x2(N_Gen)	 ]
			     [   .	    .	    ....	.	 ]
			     [   .	    .	    ....	.	 ]
			     [   .	    .	    ....	.	 ]
			     [ x(N_Ele)1  x(N_Ele)2 .... x(N_Ele)(N_Gen) ]

-------------------------------------------------------------*/

Func void main(){

	List	ini_para;		/*	設定データリスト	*/
	Matrix	Ans;			/*	答え用のマトリクス	*/

	Integer	N_Ind;			/*	生物個体数		*/
	Integer	N_Ele;			/*	エリート個体数		*/
	Integer	N_Gen;			/*	遺伝子本数		*/
	Integer	L_Gen;			/*	遺伝子ビット数		*/
	Integer	Exch;			/*	世代交代回数		*/
	Integer	Seed;			/*	乱数の種		*/
	Real	Cross;			/*	遺伝子交差確率		*/
	Real	Mutate;			/*	突然変異確率		*/

	Matrix	GA_opt();		/*	GAプログラム		*/

	N_Ind	=	 20;
	N_Ele	=	  5;
	N_Gen	= 	  2;
	L_Gen	=	 10;

	Exch	=	 50;
	Seed	=	  5;

	Cross	=	0.1;
	Mutate	=	0.05;

	ini_para = { N_Ind, N_Ele, N_Gen, L_Gen, Cross, Mutate, Exch, Seed };
	Ans = GA_opt( ini_para );
	print	Ans >> "ans.dat";

}

/*--------------------------------------------------------
	適応度 関数 fitnessfunction()

	引数の  Matrix pheno は 各個体が持つ変数データが
	入っています。 具体的には
		pheno = [[ x1, x2, x3, ......... x_{G_Num}]]
	と、自分が指定した遺伝子の本数分だけ 変数があります。

	この変数は 0.0 <= pheno(1,x) < 1.0 の範囲で正規化され
	ており、その制度は遺伝子長のビット数で決まります。
	( 10bit なら 1 / 1024 ...  0.001 )

	このサンプルプログラムでは  xy 座標の位置に対して
	z の大きさを求め、一番 z が大きくなる様な xy 座標
	を求めています。

		x1      -> x
		x2      -> y
		fitness -> z

		z = 10 * (  ( 1 - x ) + y ) -->  
				最大は 20  ( x = 0, y = 1 )

	プログラムを実行すると、この値に近付くように最適化が
	進みます。

	この程度の領域であれば  0.001  刻みで 全域を探索した
	方が遥かに速いのですが、もっと最適化パラメータが増え
	る場合(５ー６次以上でしょうか？)は GA を用いた方が
	速くなるとされています。

----------------------------------------------------------*/

Func Real fitnessfunction( pheno )
	Matrix	pheno;
{
	Integer	g_num;
	Integer	i;
	Real	fitness;
	Real	x1, x2;

	g_num = Cols( pheno );
	x1 = pheno( 1, 1 );
	x2 = pheno( 1, 2 );

	fitness = 10.0 * ( ( 1.0 - x1 ) + x2 );

	return	fitness;
}