Критерий остановки по среднему значению фитнес функции

lab1/gen.py

@@ -148,6 +148,9 @@ class GARunConfig:
     variance_threshold: float | None = (
         None  # порог дисперсии для остановки (если None - не используется)
     )
+    min_fitness_avg: float | None = (
+        None  # порог среднего значения фитнес функции для остановки
+    )
 
 
 @dataclass
@@ -197,14 +200,29 @@ def genetic_algorithm(
         history_populations_x.append(xs[:])
         history_populations_f.append(fits[:])
 
-        # Проверка критерия остановки по дисперсии
+        # Проверка критериев остановки
+        stop_algorithm = False
+
+        # Критерий 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
+                stop_algorithm = True
+
+        # Критерий остановки по среднему значению фитнес функции
+        if config.min_fitness_avg is not None:
+            mean_fitness = np.mean(fits)
+            if mean_fitness > config.min_fitness_avg:
+                print(
+                    f"Остановка на поколении {generation}: среднее значение {mean_fitness:.6f} > {config.min_fitness_avg}"
+                )
+                stop_algorithm = True
+
+        # Сохраняем график последнего поколения при досрочной остановке
+        if stop_algorithm:
             if config.save_generations:
                 plot_generation_snapshot(
                     history_best_x,

lab1/main.py

@@ -7,7 +7,7 @@ config = GARunConfig(
     x_min=3.1,
     x_max=20.0,
     precision_digits=3,
-    pop_size=5,
+    pop_size=15,
     pc=0.7,
     pm=0.01,
     max_generations=200,
@@ -25,7 +25,8 @@ config = GARunConfig(
         199,
     ],  # поколения для сохранения графиков
     results_dir="results",
-    variance_threshold=1e-6,  # порог дисперсии для остановки
+    # variance_threshold=1e-6,  # порог дисперсии для остановки
+    min_fitness_avg=0.015,  # порог среднего значения для остановки
 )
 
 # Запускаем генетический алгоритм