best for now RMSE: 30.937

lab4/gp/mutations.py

@@ -37,3 +37,62 @@ def grow_mutation(chromosome: Chromosome, max_depth: int) -> Chromosome:
         chromosome.root = subtree
 
     return chromosome
+
+
+def node_replacement_mutation(chromosome: Chromosome) -> Chromosome:
+    """Мутация замены операции (Node Replacement Mutation).
+
+    Выбирает случайный узел с операцией (arity > 0) и заменяет его
+    на случайную другую операцию той же арности, сохраняя поддеревья.
+
+    Если подходящей альтернативы нет — возвращает копию без изменений.
+    """
+    chromosome = chromosome.copy()
+
+    operation_nodes = [n for n in chromosome.root.list_nodes() if n.value.arity > 0]
+    if not operation_nodes:
+        return chromosome
+
+    target_node = random.choice(operation_nodes)
+    current_arity = target_node.value.arity
+
+    same_arity_ops = [
+        op
+        for op in chromosome.operations
+        if op.arity == current_arity and op != target_node.value
+    ]
+    if not same_arity_ops:
+        return chromosome
+
+    new_operation = random.choice(same_arity_ops)
+
+    target_node.value = new_operation
+
+    return chromosome
+
+
+def hoist_mutation(chromosome: Chromosome) -> Chromosome:
+    """Hoist-мутация (анти-bloat).
+
+    Выбирает случайное поддерево, затем внутри него — случайное поддерево меньшей глубины,
+    и заменяет исходное поддерево на это внутреннее.
+
+    В результате дерево становится короче, сохраняя часть структуры.
+    """
+    chromosome = chromosome.copy()
+
+    operation_nodes = [n for n in chromosome.root.list_nodes() if n.value.arity > 0]
+    if not operation_nodes:
+        return chromosome
+
+    outer_subtree = random.choice(operation_nodes)
+    outer_nodes = outer_subtree.list_nodes()[1:]  # исключаем корень
+
+    inner_subtree = random.choice(outer_nodes).copy_subtree()
+
+    if outer_subtree.parent:
+        outer_subtree.parent.replace_child(outer_subtree, inner_subtree)
+    else:
+        chromosome.root = inner_subtree
+
+    return chromosome

lab4/gp/node.py

@@ -36,6 +36,7 @@ class Node:
         return node
 
     def list_nodes(self) -> list[Node]:
+        """Список всех узлов поддерева, начиная с текущего (aka depth-first-search)."""
         nodes: list[Node] = [self]
         for child in self.children:
             nodes.extend(child.list_nodes())

lab4/gp/selection.py

@@ -26,3 +26,63 @@ def roulette_selection(population: Population, fitnesses: Fitnesses) -> Populati
         selected.append(population[idx])
 
     return selected
+
+
+def tournament_selection(
+    population: Population,
+    fitnesses: Fitnesses,
+    k: int = 3,
+) -> Population:
+    """Турнирная селекция.
+
+    В каждом турнире случайно выбирается k особей, и побеждает та,
+    у которой лучшее (наибольшее) значение фитнеса. Для минимизации
+    значения фитнеса нужно предварительно инвертировать.
+
+    Args:
+        population: список особей (Population)
+        fitnesses: список или массив фитнесов (Fitnesses)
+        k: размер турнира
+
+    Returns:
+        Новая популяция того же размера
+    """
+    size = len(population)
+    selected = []
+    for _ in range(size):
+        idxs = np.random.choice(size, size=k, replace=False)
+
+        fits = fitnesses[idxs]
+
+        winner_idx = idxs[np.argmax(fits)]
+        selected.append(population[winner_idx])
+    return selected
+
+
+def stochastic_tournament_selection(
+    population: Population,
+    fitnesses: Fitnesses,
+    k: int = 3,
+    p_best: float = 0.75,
+) -> Population:
+    """Стохастическая турнирная селекция.
+
+    Побеждает лучший в турнире с вероятностью p_best, иначе выбирается
+    случайный участник турнира.
+    """
+    size = len(population)
+    selected = []
+
+    for _ in range(size):
+        idxs = np.random.choice(size, size=k, replace=False)
+        fits = fitnesses[idxs]
+        order = np.argsort(-fits)
+
+        if np.random.random() < p_best:
+            winner_idx = idxs[order[0]]
+        else:
+            winner_idx = np.random.choice(idxs[1:]) if k > 1 else idxs[0]
+
+        selected.append(population[winner_idx])
+
+    return selected