Усреднил значения

lab1/expirements.py

@@ -1,6 +1,7 @@
 import math
 import os
 import shutil
+import statistics
 
 from gen import GARunConfig, genetic_algorithm
 from prettytable import PrettyTable
@@ -19,6 +20,9 @@ POPULATION_SIZES = [10, 25, 50, 100]
 PC_VALUES = [0.3, 0.4, 0.5, 0.6, 0.7, 0.8]  # вероятности кроссинговера
 PM_VALUES = [0.001, 0.01, 0.05, 0.1, 0.2]  # вероятности мутации
 
+# Количество запусков для усреднения результатов
+NUM_RUNS = 30
+
 # Базовые параметры (как в main.py)
 BASE_CONFIG = {
     "x_min": 3.1,
@@ -26,7 +30,7 @@ BASE_CONFIG = {
     "fitness_func": target_function,
     "precision_digits": 3,
     "max_generations": 200,
-    "seed": 17,
+    "seed": None,  # None для случайности, т. к. всё усредняем
     "minimize": True,
     "fitness_avg_threshold": -0.049,  # критерий остановки
     # при включенном сохранении графиков на время смотреть бессмысленно
@@ -34,23 +38,42 @@ BASE_CONFIG = {
 }
 
 
-def run_single_experiment(pop_size: int, pc: float, pm: float) -> tuple[float, int]:
+def run_single_experiment(
+    pop_size: int, pc: float, pm: float
+) -> tuple[float, float, float, float]:
     """
-    Запускает один эксперимент с заданными параметрами.
-    Возвращает (время_в_мс, номер_поколения).
+    Запускает несколько экспериментов с заданными параметрами и усредняет результаты.
+    Возвращает (среднее_время_в_мс, стд_отклонение_времени, среднее_поколений, стд_отклонение_поколений).
     """
-    config = GARunConfig(
-        **BASE_CONFIG,
-        pop_size=pop_size,
-        pc=pc,
-        pm=pm,
-        results_dir=os.path.join(
-            BASE_DIR, str(pop_size), f"pc_{pc:.3f}", f"pm_{pm:.3f}"
-        ),
-    )
+    times = []
+    generations = []
 
-    result = genetic_algorithm(config)
-    return result.time_ms, result.generations
+    for run_num in range(NUM_RUNS):
+        config = GARunConfig(
+            **BASE_CONFIG,
+            pop_size=pop_size,
+            pc=pc,
+            pm=pm,
+            results_dir=os.path.join(
+                BASE_DIR,
+                str(pop_size),
+                f"pc_{pc:.3f}",
+                f"pm_{pm:.3f}",
+                f"run_{run_num}",
+            ),
+        )
+
+        result = genetic_algorithm(config)
+        times.append(result.time_ms)
+        generations.append(result.generations)
+
+    # Вычисляем средние значения и стандартные отклонения
+    avg_time = statistics.mean(times)
+    std_time = statistics.stdev(times) if len(times) > 1 else 0.0
+    avg_generations = statistics.mean(generations)
+    std_generations = statistics.stdev(generations) if len(generations) > 1 else 0.0
+
+    return avg_time, std_time, avg_generations, std_generations
 
 
 def run_experiments_for_population(pop_size: int) -> PrettyTable:
@@ -59,6 +82,7 @@ def run_experiments_for_population(pop_size: int) -> PrettyTable:
     Возвращает таблицу результатов.
     """
     print(f"\nЗапуск экспериментов для популяции размером {pop_size}...")
+    print(f"Количество запусков для усреднения: {NUM_RUNS}")
 
     # Создаем таблицу
     table = PrettyTable()
@@ -69,9 +93,13 @@ def run_experiments_for_population(pop_size: int) -> PrettyTable:
         row = [f"{pc:.1f}"]
         for pm in PM_VALUES:
             print(f"  Эксперимент: pop_size={pop_size}, Pc={pc:.1f}, Pm={pm:.3f}")
-            time_ms, generations = run_single_experiment(pop_size, pc, pm)
-            # Форматируем результат: время(поколение)
-            cell_value = f"{time_ms:.1f} ({generations})"
+            avg_time, std_time, avg_generations, std_generations = (
+                run_single_experiment(pop_size, pc, pm)
+            )
+
+            # Форматируем результат: среднее_время±стд_отклонение (среднее_поколения±стд_отклонение)
+            # cell_value = f"{avg_time:.1f}±{std_time:.1f} ({avg_generations:.1f}±{std_generations:.1f})"
+            cell_value = f"{avg_time:.1f} ({avg_generations:.0f})"
             row.append(cell_value)
         table.add_row(row)
 
@@ -86,6 +114,7 @@ def main():
     print(f"Размеры популяции: {POPULATION_SIZES}")
     print(f"Значения Pc: {PC_VALUES}")
     print(f"Значения Pm: {PM_VALUES}")
+    print(f"Количество запусков для усреднения: {NUM_RUNS}")
     print(
         f"Критерий остановки: среднее значение > {BASE_CONFIG['fitness_avg_threshold']}"
     )
@@ -103,7 +132,10 @@ def main():
         print(f"\n{'='*60}")
         print(f"РЕЗУЛЬТАТЫ ДЛЯ ПОПУЛЯЦИИ РАЗМЕРОМ {pop_size}")
         print(f"{'='*60}")
-        print("Формат: время_в_мс (номер_поколения)")
+        print(
+            f"Формат: среднее_время±стд_отклонение_мс (среднее_поколения±стд_отклонение)"
+        )
+        print(f"Усреднено по {NUM_RUNS} запускам")
         print(table)
 
         pop_exp_dir = os.path.join(BASE_DIR, str(pop_size))