-
Notifications
You must be signed in to change notification settings - Fork 0
/
sudokuGeneradorSoluciones.py
379 lines (282 loc) · 13.6 KB
/
sudokuGeneradorSoluciones.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
import numpy as np
import random
import matplotlib.pyplot as plt
def inicializarIndividuo(plantilla):
""" Inicializa un individuo basado en una plantilla dada.
Rellena los ceros con números aleatorios del 1 al 9 sin repetir en cada fila."""
individuo = np.array(plantilla, dtype=int).copy()
for fila in range(9):
# Encontrar los números que ya están en la fila
existentes = set(individuo[fila]) - {0}
# Encontrar los números que faltan en la fila
faltantes = list(set(range(1, 10)) - existentes)
random.shuffle(faltantes)
# Rellenar los ceros con los números faltantes
idx = 0
for col in range(9):
if individuo[fila][col] == 0:
individuo[fila][col] = faltantes[idx]
idx += 1
return individuo
def inicializarPoblacion(plantilla, tamanPoblacion):
""" Inicializa una población de Sudokus basada en una plantilla dada."""
poblacion = [inicializarIndividuo(plantilla) for _ in range(tamanPoblacion)]
return poblacion
def contarRepetidos(lista):
""" Cuenta los números repetidos en una lista de 9 elementos."""
repetidos = 0
contador = [0] * 10 # Cada elemento asume el conteo de los números del 1 al 9
for num in lista:
if num != 0:
contador[num] += 1
if contador[num] > 1:
repetidos += 1
return repetidos
def funcionObjetivo(sudoku):
""" Calcula la función objetivo para un Sudoku 9x9.
Cuenta el total de números repetidos en filas, columnas y regiones 3x3."""
repetidos_totales = 0
# Repeticiones en filas
for fila in sudoku:
repetidos_totales += contarRepetidos(fila)
# Repeticiones en columnas
for col in range(9):
columna = [sudoku[fila][col] for fila in range(9)]
repetidos_totales += contarRepetidos(columna)
# Repeticiones en regiones 3x3
for i in range(3):
for j in range(3):
region = []
for k in range(3):
for l in range(3):
region.append(sudoku[i*3+k][j*3+l])
repetidos_totales += contarRepetidos(region)
return repetidos_totales
def cruza1Punto(padre1, padre2):
""" Realiza la cruza de dos individuos (padres) para producir dos hijos.
Cada hijo toma algunas filas de un padre y otras filas del otro padre. """
hijo1 = np.zeros((9, 9), dtype=int)
hijo2 = np.zeros((9, 9), dtype=int)
# Generar un punto de cruza
punto_cruza = random.randint(1, 8) # Elegir un punto de cruza entre 1 y 8
# Crear el primer hijo
hijo1[:punto_cruza] = padre1[:punto_cruza]
hijo1[punto_cruza:] = padre2[punto_cruza:]
# Crear el segundo hijo
hijo2[:punto_cruza] = padre2[:punto_cruza]
hijo2[punto_cruza:] = padre1[punto_cruza:]
return hijo1, hijo2
def cruzaPorFilas(padre1, padre2, rowCrossverRate=0.7):
""" Realiza la cruza de dos individuos (padres) para producir dos hijos.
Se recorre cada fila de los padres y se genera un número random, si el número
es mayor al umbral, la fila se intercambia. """
hijo1 = np.array(padre1, dtype=int).copy()
hijo2 = np.array(padre2, dtype=int).copy()
for fila in range(9):
if random.random() > rowCrossverRate:
# Intercambiar la fila entre los dos hijos
hijo1[fila], hijo2[fila] = hijo2[fila].copy(), hijo1[fila].copy()
return hijo1, hijo2
def mutacionIntercambio(individuo, plantilla, swapMutationRate=0.8):
""" Realiza la mutación de un individuo.
Intercambia dos números al azar en una fila con una probabilidad dada,
asegurando no modificar las celdas fijas de la plantilla. """
for fila in range(9):
if random.random() < swapMutationRate:
# Encuentra las columnas que no son fijas en una fila random
columnas = [col for col in range(9) if plantilla[fila][col] == 0]
if len(columnas) > 1:
col1, col2 = random.sample(columnas, 2)
individuo[fila][col1], individuo[fila][col2] = individuo[fila][col2], individuo[fila][col1]
return individuo
def reinicializarFila(fila, plantilla_fila):
""" Inicializa una fila del Sudoku basada en una plantilla dada.
Rellena los ceros con números aleatorios del 1 al 9 sin repetir. """
individuo_fila = np.array(fila, dtype=int).copy()
# Encontrar los números que ya están en la fila
existentes = set(individuo_fila) - {0}
# Encontrar los números que faltan en la fila
faltantes = list(set(range(1, 10)) - existentes)
random.shuffle(faltantes)
# Rellenar los ceros con los números faltantes
idx = 0
for col in range(9):
if plantilla_fila[col] == 0:
individuo_fila[col] = faltantes[idx]
idx += 1
return individuo_fila
def mutacionReinicializacion(individuo, plantilla, reinitializationMutationRate=0.4):
""" Realiza la mutación de reinicialización de filas en un individuo.
Si el número random es menor a un umbral, reinicializa todos los elementos
de esa fila excepto los números fijos. """
for fila in range(9):
if random.random() < reinitializationMutationRate:
individuo[fila] = reinicializarFila(individuo[fila], plantilla[fila])
return individuo
def encontrarIndicesRepetidos(lista):
indice_por_valor = {}
for indice, valor in enumerate(lista):
if valor in indice_por_valor:
return [indice_por_valor[valor], indice]
else:
indice_por_valor[valor] = indice
return None
def encontrarColumnasIlegales(individuo):
""" Encuentra las columnas ilegales (con números repetidos) en un Sudoku. """
columnas_ilegales = []
for col in range(9):
columna = individuo[:, col]
if len(columna) != len(set(columna)): # Hay números repetidos
columnas_ilegales.append([col, encontrarIndicesRepetidos(columna)])
return columnas_ilegales
def busquedaLocal(individuo):
columnasIlegales = encontrarColumnasIlegales(individuo)
individuoColumnas = [list(col) for col in zip(*individuo)]
plantilla = individuo.copy() # Guardar la plantilla original
for i, dupla in enumerate(columnasIlegales):
if i == len(columnasIlegales) - 1:
break
for j in range(2):
for k in range(2):
col1, idx1 = dupla[0], dupla[1][j]
col2, idx2 = columnasIlegales[i + 1][0], columnasIlegales[i + 1][1][k]
if plantilla[idx1][col1] == 0 and plantilla[idx2][col2] == 0:
if dupla[1][j] == columnasIlegales[i + 1][1][k]:
individuoColumnas[col1][dupla[1][j]], individuoColumnas[col2][columnasIlegales[i + 1][1][k]] = individuoColumnas[col2][columnasIlegales[i + 1][1][k]], individuoColumnas[col1][dupla[1][j]]
individuo = np.array([list(row) for row in zip(*individuoColumnas)], dtype=int)
return individuo
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def calculaAptitudes(poblacion, funcion):
aptitudes = []
for individuo in poblacion:
aptitudes.append(funcion(individuo))
return aptitudes
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def seleccionPadres(poblacion, aptitudes, metodoReproduccion, minOmax = 'min'):
seleccionados = []
individuos = list(zip(poblacion, aptitudes))
while len(seleccionados) < len(poblacion):
padre1 = metodoReproduccion(individuos, minOmax)
padre2 = metodoReproduccion(individuos, minOmax)
while np.array_equal(padre1, padre2):
# print(f'El padre 1: {padre1} es igual a padre 2: {padre2}')
padre2 = metodoReproduccion(individuos, minOmax)
# print(f'El padre 2 ha sido reasignado como: {padre2}\n')
seleccionados += [padre1, padre2]
return seleccionados
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def torneo(individuos, minOmax = 'min'):
participantes = random.sample(individuos, 2)
if minOmax == 'min':
ganador = min(participantes, key = lambda x: x[1])
else:
ganador = max(participantes, key = lambda x: x[1])
return ganador[0]
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def reproduccion(sudoku, padres, metodoReproduccion, metodoMutacion, crossoverRate, mutacionRate):
if len(padres) % 2 == 1:
padres.pop()
descendencia = []
for i in range(0, len(padres), 2):
if random.uniform(0, 1) <= crossoverRate:
# print('Se estan cruzando')
hijos = metodoReproduccion(padres[i], padres[i+1])
descendencia.append(hijos[0])
descendencia.append(hijos[1])
# print(f'Los hijos de {padres[i]} con {padres[i+1]} son\n{hijos[0]}\n{hijos[1]}')
for i in range(len(descendencia)):
if random.uniform(0, 1) <= mutacionRate:
descendencia[i] = metodoMutacion(descendencia[i], sudoku, 0.5)
return descendencia
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def seleccionSobrevivientes(padres, descendientes, cantidadSobrevivientes, funcion, minOmax = 'min'):
poblacion = padres + descendientes
if minOmax == 'min':
poblacion = sorted(poblacion, key = lambda x: funcion(x))
else:
poblacion = sorted(poblacion, key = lambda x: funcion(x), reverse = True)
poblacion = poblacion[:cantidadSobrevivientes]
return poblacion
def matrizATupla(matriz):
return tuple(tuple(fila) for fila in matriz)
def aprendizajePoblacionElite(poblacion, descendientes, cantidadSobrevivientes, funcion, minOmax = 'min'):
poblacion = seleccionSobrevivientes(poblacion, descendientes, cantidadSobrevivientes, funcion, minOmax)
#---------------------------------------------------------------------------------------
#---------------------------------------------------------------------------------------
def algoritmoGeneticoPermutaciones(sudoku, funcion, poblacion, generacionesTotales, metodoSeleccion, crossoverRate, mutationRate):
print('Creando la primera generacion:\n')
generacion = 0
valoresOptimos = []
numeroPoblacion = len(poblacion)
for i in range(generacionesTotales):
generacion += 1
print(f'\nGeneracion {generacion}\n')
aptitudes = calculaAptitudes(poblacion, funcion)
padres = seleccionPadres(poblacion, aptitudes, metodoSeleccion)
hijos = reproduccion(sudoku, padres, cruzaPorFilas, mutacionIntercambio, crossoverRate, mutationRate)
aptitudesHijos = calculaAptitudes(hijos, funcion)
aux = poblacion + hijos
poblacion = []
# Usamos un conjunto para llevar un seguimiento de las matrices ya vistas
matrices_vistas = set()
for i in aux:
# Convertimos la matriz a una representación inmutable (tupla de tuplas)
matriz_tupla = matrizATupla(i)
if matriz_tupla not in matrices_vistas:
poblacion.append(i)
matrices_vistas.add(matriz_tupla)
aptitudes = calculaAptitudes(poblacion, funcion)
poblacion = sorted(poblacion, key = lambda x: funcion(x))
poblacion = poblacion[:numeroPoblacion]
#----------------------------------------------------
aux = []
for i in range(len(poblacion)):
aux.append(busquedaLocal(poblacion[i]))
poblacion = aux
aptitudes = calculaAptitudes(poblacion, funcion)
poblacion = sorted(poblacion, key = lambda x: funcion(x))
poblacion = poblacion[:numeroPoblacion]
#----------------------------------------------------
valoresOptimos.append(funcion(poblacion[0]))
print(f'Individuo optimo:')
print(poblacion[0])
aptitud = funcion(poblacion[0])
print(f'\n\tSu aptitud es de {funcion(poblacion[0])}')
if aptitud == 0:
break
return poblacion[0]
# plt.plot(range(1, generacion+1), valoresOptimos)
# plt.xlabel('Número de Generación')
# plt.ylabel('Valor Óptimo')
# plt.title('Valor Óptimo en Cada Generación')
# plt.grid(True)
# plt.show()
if __name__ == '__main__':
sudoku = [
[5, 3, 0, 0, 7, 0, 0, 0, 0],
[6, 0, 0, 1, 9, 5, 0, 0, 0],
[0, 9, 8, 0, 0, 0, 0, 6, 0],
[8, 0, 0, 0, 6, 0, 0, 0, 3],
[4, 0, 0, 8, 0, 3, 0, 0, 1],
[7, 0, 5, 0, 2, 0, 0, 0, 6],
[0, 6, 0, 0, 0, 0, 2, 8, 0],
[0, 0, 0, 4, 1, 9, 0, 0, 5],
[0, 0, 0, 0, 8, 0, 0, 7, 9]
]
tamanoPoblacion = 100
generacionesTotales = 500
cantidadPadres = 100
cantidadSobrevivientes = tamanoPoblacion
crossoverRate = 0.9
mutationRate = 0.4
rowCrossoverRate = 0.1
swapMutationRate = 0.2
reinitializationMutationRate = 0.2
funcion = funcionObjetivo
poblacion = inicializarPoblacion(sudoku, tamanoPoblacion)
algoritmoGeneticoPermutaciones(sudoku, funcion, poblacion, generacionesTotales, torneo, crossoverRate, mutationRate)