diff --git a/trace_graphe.py b/trace_graphe.py
new file mode 100644
index 0000000000000000000000000000000000000000..abc683faf092e9531a69a27b2b256bc017d0e713
--- /dev/null
+++ b/trace_graphe.py
@@ -0,0 +1,316 @@
+import csv
+import numpy
+import matplotlib.pyplot as plt
+from copy import deepcopy
+
+def extract_data1(filename):
+ f = open(filename, newline = '')
+ liste_selections = ["selection_p_best", "selection_duel_pondere", "selection_duel", "selection_par_rang", "selection_proportionnelle"]
+ listedeliste = [[] for i in range(len(liste_selections))]
+ ligne = f.readline()
+ while ligne != "" :
+ row = ligne.split(",")
+ if row[1] in liste_selections:
+ listedeliste[liste_selections.index(row[1])].append(row[3])
+ ligne = f.readline()
+ numpy.save("choix_selection", listedeliste)
+
+
+
+def trace_histogramme_selections(listedeliste):
+ listedeliste = [[float(element) for element in numpy.load(listedeliste)[i]] for i in range(5)]
+ liste_selections = ["selection_p_best", "selection_duel_pondere", "selection_duel", "selection_par_rang", "selection_proportionnelle"]
+ plt.figure()
+ for i in range(len(liste_selections)) :
+ moy = moyenne(listedeliste[i])
+ mediane = sorted(listedeliste[i])[len(listedeliste[i])//2]
+ plt.subplot(2,3,i+1)
+ n, bins, patches = plt.hist(listedeliste[i], bins = 40)
+ plt.plot([moy,moy], [0,max(n)], label = "Moyenne")
+ plt.plot([mediane,mediane], [0,max(n)], label = "Médiane")
+ plt.legend()
+ plt.title(liste_selections[i])
+ plt.show()
+
+
+def moyenne(liste):
+ somme = 0
+ for element in liste :
+ somme += element
+ return somme / len(liste)
+
+# extract_data1("Resultatgroupé_final.csv")
+# trace_histogramme_selections("choix_selection.npy")
+
+
+# >>> On choisit la séléction duel et selections ponderés car elles ont la meilleure moyenne/médiane
+
+def extract_data2(filename):
+ f = open(filename, newline = '')
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ dictscore = [{} for i in range(len(liste_selections))]
+ listesurvivants = [[] for i in range(len(liste_selections))]
+ listescore = [[] for i in range(len(liste_selections))]
+ ligne = f.readline()
+ while ligne != "" :
+ row = ligne.split(",")
+ if row[1] in liste_selections:
+ rapport_survivants = float(row[7])/float(row[4])
+ listesurvivants[liste_selections.index(row[1])].append(rapport_survivants)
+ listescore[liste_selections.index(row[1])].append(float(row[3]))
+ if rapport_survivants not in dictscore[liste_selections.index(row[1])] :
+ dictscore[liste_selections.index(row[1])][rapport_survivants] = []
+ dictscore[liste_selections.index(row[1])][rapport_survivants].append(float(row[3]))
+ ligne = f.readline()
+ moyenne_score = [[], []]
+ liste_survivants = [[], []]
+ for i in range(2):
+ liste_survivants[i] = sorted(list(dictscore[i].keys()))
+ for rapport in deepcopy(liste_survivants[i]) :
+ if len(dictscore[i][rapport]) > 1 : #Cette condition permet de supprimer les jeu de données que nous n'avons pas eu le temps de répéter
+ #On estime alors que le résultat n'est pas représentatif en moyenne et on ne le prend pas en compte
+ moyenne_score[i].append(moyenne(dictscore[i][rapport]))
+ elif len(dictscore[i][rapport]) == 1 :
+ liste_survivants[i].remove(rapport)
+ numpy.save("choix_survivants", [moyenne_score, liste_survivants, listesurvivants, listescore])
+
+def choix_survivant(listedeliste):
+ [moyenne_score, liste_survivants, listesurvivants, listescore] = numpy.load(listedeliste, allow_pickle = True)
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ plt.figure()
+ for i in range(len(liste_selections)) :
+ plt.subplot(1,2,i+1)
+ plt.plot(liste_survivants[i], moyenne_score[i], label = "moyenne")
+ plt.plot(listesurvivants[i], listescore[i], ".")
+ plt.legend()
+ plt.title(liste_selections[i])
+ plt.xlabel("Taux de survivants")
+ plt.ylabel("Score")
+ plt.show()
+
+
+# extract_data2("Resultatgroupé_final.csv")
+# choix_survivant("choix_survivants.npy")
+
+# >>> Choix proportion survivant = 0.2
+
+
+
+def extract_data3(filename):
+ f = open(filename, newline = '')
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ dictscore = [{} for i in range(len(liste_selections))]
+ listemutations = [[] for i in range(len(liste_selections))]
+ listescore = [[] for i in range(len(liste_selections))]
+ ligne = f.readline()
+ while ligne != "" :
+ row = ligne.split(",")
+ if row[1] in liste_selections:
+ mutation = float(row[6])
+ listemutations[liste_selections.index(row[1])].append(mutation)
+ listescore[liste_selections.index(row[1])].append(float(row[3]))
+ if mutation not in dictscore[liste_selections.index(row[1])] :
+ dictscore[liste_selections.index(row[1])][mutation] = []
+ dictscore[liste_selections.index(row[1])][mutation].append(float(row[3]))
+ ligne = f.readline()
+ moyenne_score = [[], []]
+ liste_mut = [[], []]
+ for i in range(2):
+ liste_mut[i] = sorted(list(dictscore[i].keys()))
+ for mut in deepcopy(liste_mut[i]) :
+ if len(dictscore[i][mut]) > 1 : #Cette condition permet de supprimer les jeu de données que nous n'avons pas eu le temps de répéter
+ #On estime alors que le résultat n'est pas représentatif en moyenne et on ne le prend pas en compte
+ moyenne_score[i].append(moyenne(dictscore[i][mut]))
+ elif len(dictscore[i][mut]) == 1 :
+ liste_mut[i].remove(mut)
+ numpy.save("choix_mutation", [moyenne_score, liste_mut, listemutations, listescore])
+
+def choix_mutation(listedeliste):
+ [moyenne_score, liste_survivants, listesurvivants, listescore] = numpy.load(listedeliste, allow_pickle = True)
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ plt.figure()
+ for i in range(len(liste_selections)) :
+ plt.subplot(1,2,i+1)
+ plt.plot(liste_survivants[i], moyenne_score[i], label = "moyenne")
+ plt.plot(listesurvivants[i], listescore[i], ".")
+ plt.legend()
+ plt.title(liste_selections[i])
+ plt.xlabel("Mutations")
+ plt.ylabel("Score")
+ plt.show()
+
+# extract_data3("Resultatgroupé_final.csv")
+# choix_mutation("choix_mutation.npy")
+
+# >>> Les résultats ne sont pas hyper concluants mais selon le graphe on a 0.005 meilleur pour duel et 0.01 meilleur pour duel ponderé
+
+
+
+# on voulait tracer un graphique en 3d cependant ce projet a été abandonné par manque de temps
+#Les deux fonctions suivantes ne marchent donc pas
+
+
+# from mpl_toolkits.mplot3d import axes3d
+
+#Structure de donnée utilisée : dict1 = {x:{y:[z1, z2]}} et dict2 = {y:{x:[z1, z2]}}
+
+# def extract_data4(filename):
+# f = open(filename, newline = '')
+# liste_selections = ["selection_duel_pondere", "selection_duel"]
+# liste_mutations = [0.005, 0.01]
+# survivants = 0.2
+# liste_dict1 = [{}, {}]
+# liste_dict2 = [{}, {}]
+# ligne = f.readline()
+# while ligne != "" :
+# row = ligne.split(",")
+# if row[1] in liste_selections:
+# i = liste_selections.index(row[1])
+# if liste_mutations[i] == float(row[6]) and survivants == float(row[7])/float(row[4]):
+# x = float(row[4])
+# y = float(row[5])
+# z = float(row[3])
+# if x not in liste_dict1[i]:
+# liste_dict1[i][x] = {}
+# if y not in liste_dict1[i][x]:
+# liste_dict1[i][x][y] = []
+# liste_dict1[i][x][y].append(z)
+# if y not in liste_dict2[i]:
+# liste_dict2[i][y] = {}
+# if x not in liste_dict2[i][y]:
+# liste_dict2[i][y][x] = []
+# liste_dict2[i][y][x].append(z)
+# ligne = f.readline()
+# LISTE = []
+# for i in range(2):
+# X = [0 for k in range(len(liste_dict1[i].keys())) for j in range(len(liste_dict2[i].keys()))]
+# Y = [0 for k in range(len(liste_dict2[i].keys())) for j in range(len(liste_dict1[i].keys()))]
+# Z = [
+# for x in sorted(liste_dict1[i]) :
+# Y.append([])
+# Z.append([])
+# for y in liste_dict1[i][x]:
+# Y[-1].append(y)
+# Z[-1].append(moyenne(liste_dict1[i][x][y]))
+# for y in liste_dict2[i] :
+# X.append([])
+# for x in liste_dict2[i][y]:
+# X[-1].append(x)
+# LISTE.append((X,Y,Z))
+# return LISTE
+
+
+# def graphe(filename):
+# LISTE = extract_data4(filename)
+# for i in range(2):
+# X, Y, Z = LISTE[i]
+# print(X)
+# print(Y)
+# print(Z)
+# fig = plt.figure()
+# ax = fig.add_subplot(111, projection='3d')
+# ax.plot_wireframe(X, Y, Z, rstride=10, cstride=10)
+# plt.show()
+
+# graphe("Resultatgroupé_final.csv") >>> Cette fonction a échoué, on abandonne l'idée du graphe 3d par manque de temps
+
+
+
+
+
+
+def extract_data5(filename):
+ f = open(filename, newline = '')
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ dictscore = [{} for i in range(len(liste_selections))]
+ listeindividus = [[] for i in range(len(liste_selections))]
+ listescore = [[] for i in range(len(liste_selections))]
+ ligne = f.readline()
+ while ligne != "" :
+ row = ligne.split(",")
+ if row[1] in liste_selections:
+ individu = float(row[4])
+ listeindividus[liste_selections.index(row[1])].append(individu)
+ listescore[liste_selections.index(row[1])].append(float(row[3]))
+ if individu not in dictscore[liste_selections.index(row[1])] :
+ dictscore[liste_selections.index(row[1])][individu] = []
+ dictscore[liste_selections.index(row[1])][individu].append(float(row[3]))
+ ligne = f.readline()
+ moyenne_score = [[], []]
+ liste_mut = [[], []]
+ for i in range(2):
+ liste_mut[i] = sorted(list(dictscore[i].keys()))
+ for mut in deepcopy(liste_mut[i]) :
+ if len(dictscore[i][mut]) > 1 : #Cette condition permet de supprimer les jeu de données que nous n'avons pas eu le temps de répéter
+ #On estime alors que le résultat n'est pas représentatif en moyenne et on ne le prend pas en compte
+ moyenne_score[i].append(moyenne(dictscore[i][mut]))
+ elif len(dictscore[i][mut]) == 1 :
+ liste_mut[i].remove(mut)
+ numpy.save("choix_individus", [moyenne_score, liste_mut, listeindividus, listescore])
+
+def choix_individu(listedeliste):
+ [moyenne_score, liste_survivants, listesurvivants, listescore] = numpy.load(listedeliste, allow_pickle = True)
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ plt.figure()
+ for i in range(len(liste_selections)) :
+ plt.subplot(1,2,i+1)
+ plt.plot(liste_survivants[i], moyenne_score[i], label = "moyenne")
+ plt.plot(listesurvivants[i], listescore[i], ".")
+ plt.legend()
+ plt.title(liste_selections[i])
+ plt.xlabel("Taille de la population")
+ plt.ylabel("Score")
+ plt.show()
+
+
+# extract_data5("Resultatgroupé_final.csv")
+# choix_individu("choix_individus.npy")
+
+
+
+
+def extract_data6(filename):
+ f = open(filename, newline = '')
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ dictscore = [{} for i in range(len(liste_selections))]
+ listegenerations = [[] for i in range(len(liste_selections))]
+ listescore = [[] for i in range(len(liste_selections))]
+ ligne = f.readline()
+ while ligne != "" :
+ row = ligne.split(",")
+ if row[1] in liste_selections:
+ generation = float(row[5])
+ listegenerations[liste_selections.index(row[1])].append(generation)
+ listescore[liste_selections.index(row[1])].append(float(row[3]))
+ if generation not in dictscore[liste_selections.index(row[1])] :
+ dictscore[liste_selections.index(row[1])][generation] = []
+ dictscore[liste_selections.index(row[1])][generation].append(float(row[3]))
+ ligne = f.readline()
+ moyenne_score = [[], []]
+ liste_mut = [[], []]
+ for i in range(2):
+ liste_mut[i] = sorted(list(dictscore[i].keys()))
+ for mut in deepcopy(liste_mut[i]) :
+ if len(dictscore[i][mut]) > 1 : #Cette condition permet de supprimer les jeu de données que nous n'avons pas eu le temps de répéter
+ #On estime alors que le résultat n'est pas représentatif en moyenne et on ne le prend pas en compte
+ moyenne_score[i].append(moyenne(dictscore[i][mut]))
+ elif len(dictscore[i][mut]) == 1 :
+ liste_mut[i].remove(mut)
+ numpy.save("choix_generations", [moyenne_score, liste_mut, listegenerations, listescore])
+
+def choix_generation(listedeliste):
+ [moyenne_score, liste_survivants, listesurvivants, listescore] = numpy.load(listedeliste, allow_pickle = True)
+ liste_selections = ["selection_duel_pondere", "selection_duel"]
+ plt.figure()
+ for i in range(len(liste_selections)) :
+ plt.subplot(1,2,i+1)
+ plt.plot(liste_survivants[i], moyenne_score[i], label = "moyenne")
+ plt.plot(listesurvivants[i], listescore[i], ".")
+ plt.legend()
+ plt.title(liste_selections[i])
+ plt.xlabel("Nombre de génération")
+ plt.ylabel("Score")
+ plt.show()
+
+# extract_data6("Resultatgroupé_final.csv")
+# choix_generation("choix_generations.npy")
\ No newline at end of file