1. Tounament

• Population create

  import random
  from ch3.selection_tournament import selection_tournament
  from ch3.individual import Individual
   
  # 초기 설정
  POPULATION_SIZE = 5
   
  # 유전 알고리즘 흐름
  random.seed(18)
   
  # 첫 번째 개체군 생성
  population = Individual.create_random_population(POPULATION_SIZE)
   
  # 선택
  selected = selection_tournament(population, group_size=3)
   
  # 결과 출력
  print(f"Population: {population}")
  print(f"Selected: {selected}")

  • ch3

    • selection_tournament

      import random
       
       def selection_tournament(population, group_size):
          selected = []
          for _ in range(len(population)):
              candidates = [random.choice(population) for _ in range(group_size)]
              selected.append(max(candidates, key = lambda ind: ind.fitness))
          return selected

      
      
      

• Visualization

  import random
  import pandas as pd
  import matplotlib.pyplot as plt
  from ch3.individual import Individual
   
  # 개체군 크기
  POPULATION_SIZE = 10
  # 서브그룹 크기?
  TOURNAMENT_SIZE = 3
   
  # 개체군 생성
  population = Individual.create_random_population(POPULATION_SIZE)
   
  # 토너먼트 후보 선택
  candidates = [random.choice(population) for _ in range(TOURNAMENT_SIZE)]
   
  # 후보 중 최고 개체 선택
  best = [max(candidates, key=lambda ind: ind.fitness)]
   
  # 개체 시각화 함수
  def plot_individuals(individual_set):
      df = pd.DataFrame({
          'name': [ind.name for ind in individual_set],
          'fitness': [ind.fitness for ind in individual_set]
      })
      df.plot.bar(x='name', y='fitness', rot=0)
      plt.show()
   
  # 개체군, 후보군, 최고 개체 시각화
  plot_individuals(population)
  plot_individuals(candidates)
  plot_individuals(best)

• Pros, Cons

  장점	단점
  직관적이고 구현이 쉬움	크기를 잘못 설정하면 다양성이 감소
  선택 압력 조절 용이	무작위성으로 인한 편향 발생 가능
  병렬 프로세싱 가능	매개변수 설정에 민감
  피트니스 값에 둔감
  조기 수렴 방지 가능