IA-LocalSearch/Lab1Experimentos.java at main · mariofernandezz/IA-LocalSearch · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
// SCRIPT DE JAVA UTILIZADO PARA EL DISEÑO DE EXPERIMENTOS

import java.util.Iterator;
import java.util.Properties;

import aima.search.framework.Problem;
import aima.search.framework.Search;
import aima.search.framework.SearchAgent;
import aima.search.informed.HillClimbingSearch;
import aima.search.informed.SimulatedAnnealingSearch;

public class Lab1Experimentos {
    public static void main(String[] args){

        int N, M, seed, alg, h;

        if (args.length != 5) {
            System.out.println("Debes ingresar 5 valores separados por espacios");
            return;
        }

        N = Integer.parseInt(args[0]);
        M = Integer.parseInt(args[1]);
        seed = Integer.parseInt(args[2]);
        alg = Integer.parseInt(args[3]);
        h = Integer.parseInt(args[4]);

        // Creacion y print del estado inicial, en caso de que sea posible crearlo
        System.out.println("\nSolución inicial  -->");
        Estado estado = new Estado(N, M, seed);
        if (!estado.solucionInicial2()){ // Cambiar aquí la solución inicial
            System.out.println("No se ha podido generar una solución inicial");
            return;
        }
        mostrarMetricas(estado);

        long startTime = System.currentTimeMillis();
        if (alg==1) Lab1HillClimbingSearch(estado, h); // Se realiza la busqueda local usando Hill Climbing
        else Lab1SimulatedAnnealingSearch(estado, h); // Se realiza la busqueda local usando Simulated Annealing
        long endTime = System.currentTimeMillis();
        long elapsedTime = endTime - startTime;
        System.out.println("Tiempo de ejecución: " + elapsedTime + " milisegundos");
    }


        // Muestra por pantalla la lista de eventos, la distancia recorrida y el número de usuarios que hacen de conductor del (estado)
        private static void mostrarMetricas(Estado estado){
            int ncond = estado.numeroConductores();
            int dist = estado.kilometrajeEstado();
            System.out.println("Eventos: " + estado.getEventos());
            System.out.println("Distancia recorrida: " + dist);
            System.out.println("Conductores usados: " + ncond);
        }


        // Búsqueda utilizando el algoritmo de Hill-Climbing
        private static void Lab1HillClimbingSearch(Estado estado, int h) {
            System.out.println("\nLab1 HillClimbing  -->");
            try {
                Problem problem;
                if (h==1) problem = new Problem(estado,new Lab1SuccessorFunction(), new Lab1GoalTest(),new Lab1HeuristicFunction1());
                else problem = new Problem(estado,new Lab1SuccessorFunction(), new Lab1GoalTest(),new Lab1HeuristicFunction2());
                Search search =  new HillClimbingSearch();
                SearchAgent agent = new SearchAgent(problem,search);

                Estado estadoSolucion = (Estado) search.getGoalState();
                mostrarMetricas(estadoSolucion);
                printInstrumentation(agent.getInstrumentation());
            } catch (Exception e) {
                e.printStackTrace();
            }
        }


        // Búsqueda utilizando el algoritmo de Simulated Annealing
        private static void Lab1SimulatedAnnealingSearch(Estado estado, int h) {
            System.out.println("\nLab1 Simulated Annealing  -->");
            try {
                // Definición de los parámetros del algoritmo
                int it = 1000000;
                int itpc = 100;
                int k = 25;
                double lambda = 0.0001;

                Problem problem;
                if (h==1) problem = new Problem(estado,new Lab1SASuccessorFunction(), new Lab1GoalTest(),new Lab1HeuristicFunction1());
                else problem = new Problem(estado,new Lab1SASuccessorFunction(), new Lab1GoalTest(),new Lab1HeuristicFunction2());
                SimulatedAnnealingSearch search =  new SimulatedAnnealingSearch(it, itpc, k, lambda);
                //search.traceOn();
                SearchAgent agent = new SearchAgent(problem,search);

                Estado estadoSolucion = (Estado) search.getGoalState();
                mostrarMetricas(estadoSolucion);
                System.out.println("It: " + it + ". It por cambio de temperatura: " + itpc + ". k: " + k + ". lambda: " + lambda);
                printInstrumentation(agent.getInstrumentation());
            } catch (Exception e) {
                e.printStackTrace();
            }
        }


        //*********************************************************************************************
        //******************************* FUNCIONES AUXILIARES ****************************************
        //*********************************************************************************************

        private static void printInstrumentation(Properties properties) {
            Iterator keys = properties.keySet().iterator();
            while (keys.hasNext()) {
                String key = (String) keys.next();
                String property = properties.getProperty(key);
                System.out.println(key + " : " + property);
            }

        }

}