Критерий остановки по дисперсии фитнеса

lab1/gen.py

@@ -145,6 +145,9 @@ class GARunConfig:
         None  # индексы поколений для сохранения графиков
     )
     results_dir: str = "results"  # папка для сохранения графиков
+    variance_threshold: float | None = (
+        None  # порог дисперсии для остановки (если None - не используется)
+    )
 
 
 @dataclass
@@ -194,6 +197,27 @@ def genetic_algorithm(
         history_populations_x.append(xs[:])
         history_populations_f.append(fits[:])
 
+        # Проверка критерия остановки по дисперсии
+        if config.variance_threshold is not None:
+            fitness_variance = np.var(fits)
+            if fitness_variance < config.variance_threshold:
+                print(
+                    f"Остановка на поколении {generation}: дисперсия {fitness_variance:.6f} < {config.variance_threshold}"
+                )
+                # Сохраняем график последнего поколения
+                if config.save_generations:
+                    plot_generation_snapshot(
+                        history_best_x,
+                        history_best_f,
+                        history_populations_x,
+                        history_populations_f,
+                        generation,
+                        config.x_min,
+                        config.x_max,
+                        config.results_dir,
+                    )
+                break
+
         # Сохранение графика для указанных поколений
         if config.save_generations and generation in config.save_generations:
             plot_generation_snapshot(
@@ -224,7 +248,7 @@ def genetic_algorithm(
     return GARunResult(
         best_x,
         best_f,
-        config.max_generations,
+        len(history_best_x),  # реальное количество поколений
         history_best_x,
         history_best_f,
         history_populations_x,