Add File
This commit is contained in:
@@ -0,0 +1,259 @@
|
||||
/*
|
||||
* Copyright 2018 the original author or authors.
|
||||
* Licensed under the Apache License, Version 2.0 (the "License"); you may not
|
||||
* use this file except in compliance with the License. You may obtain a copy of
|
||||
* the License at http://www.apache.org/licenses/LICENSE-2.0 Unless required by
|
||||
* applicable law or agreed to in writing, software distributed under the
|
||||
* License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS
|
||||
* OF ANY KIND, either express or implied. See the License for the specific
|
||||
* language governing permissions and limitations under the License.
|
||||
*/
|
||||
package com.gitee.drinkjava2.frog.brain;
|
||||
|
||||
import java.util.ArrayList;
|
||||
import java.util.Arrays;
|
||||
|
||||
import com.gitee.drinkjava2.frog.Animal;
|
||||
import com.gitee.drinkjava2.frog.Env;
|
||||
|
||||
/**
|
||||
* Genes代表不同的脑细胞参数，对应每个参数，用8叉/4叉/2叉树算法给每个细胞添加细胞参数和行为。
|
||||
* 每个脑细胞用一个long来存储，所以目前最多允许64个基因位,
|
||||
* 多字节参数可以由多个基因位决定。每个基因位都由一个单独的阴阳8/4/2叉树控制，多个基因就组成了一个8/4/2叉树阵列 基因+分裂算法=结构
|
||||
* 基因+分裂算法+遗传算法=结构的进化
|
||||
*
|
||||
* 这个类里定义每个基因位的掩码以及对应基因的细胞行为, 脑结构的所有参数，都要用基因来控制。开始时可以有常量、魔数，但以后都放到基因里去自动进化。
|
||||
*
|
||||
* @author Yong Zhu
|
||||
* @since 10.0
|
||||
*/
|
||||
@SuppressWarnings("all")
|
||||
public class Genes { // Genes登记所有的基因， 指定每个基因允许分布的空间范围。注意登录完后还要并针对每个基因在active方法里写出它对应的细胞行为
|
||||
public static int GENE_MAX = 64; // 目前最多允许64个基因
|
||||
|
||||
public static int GENE_NUMBERS = 0; // 这里统计定义了多少个基因
|
||||
private static int zeros = 0; // 当前基因位掩码0个数
|
||||
|
||||
public static boolean[] display_gene = new boolean[GENE_MAX]; // 如果这个参数为真，此基因显示在脑图上,此设定不影响逻辑
|
||||
public static boolean[] fill_gene = new boolean[GENE_MAX]; // 如果这个参数为真，此基因填充指定的区域，而不是由分裂算法随机生成
|
||||
|
||||
public static int[] xLimit = new int[GENE_MAX]; // 用来手工限定基因分布范围，详见register方法
|
||||
public static int[] yLimit = new int[GENE_MAX];
|
||||
public static int[] zLimit = new int[GENE_MAX];
|
||||
|
||||
/**
|
||||
* Register a gene 依次从底位到高位登记所有的基因掩码及对应的相关参数
|
||||
*
|
||||
* @param name
|
||||
* 基因的名字，这个可选， 缺省为null
|
||||
* @param maskBits
|
||||
* how many mask bits 掩码位数，即有几个1
|
||||
* @param display
|
||||
* whether to display the gene on the BrainPicture 是否显示在脑图
|
||||
* @param fill
|
||||
* whether to fill to specified 3D/2D/1D/1Point area
|
||||
* 是否直接用此基因填充指定的区域，区域可以是三维、二维、线状及一个点
|
||||
* @param x_limit
|
||||
* gene only allow on specified x layer 如x_layer大于-1，且y_layer=-1,
|
||||
* 表示只生成在指定的x层对应的yz平面上，这时采用4叉树而不是8叉树以提高进化速度
|
||||
* @param y_limit
|
||||
* gene only allow on specified x, y axis
|
||||
* 如大于-1，表示只生成在指定的x,y坐标对应的z轴上，这时采用2叉阴阳树算法
|
||||
* @param z_limit
|
||||
* gene only allow on specified x, y, z 点上, 表示手工指定基因位于x,y,z坐标点上
|
||||
* @return a long wtih mask bits
|
||||
* 返回基因掩码，高位由maskBits个1组成，低位是若干个0，以后判断一个cell上是否含有这个基因，只需要用cell对应的long和这个
|
||||
* 掩码做与运算即可
|
||||
*/
|
||||
public static long register(int maskBits, boolean display, boolean fill, int x_limit, int y_limit, int z_limit) {
|
||||
|
||||
for (int i = GENE_NUMBERS; i < GENE_NUMBERS + maskBits; i++) {
|
||||
display_gene[i] = display;
|
||||
fill_gene[i] = fill;
|
||||
xLimit[i] = x_limit;
|
||||
yLimit[i] = y_limit;
|
||||
zLimit[i] = z_limit;
|
||||
}
|
||||
|
||||
String one = "";
|
||||
String zero = "";
|
||||
for (int i = 1; i <= maskBits; i++)
|
||||
one += "1";
|
||||
for (int i = 1; i <= GENE_NUMBERS; i++)
|
||||
zero += "0";
|
||||
zeros = GENE_NUMBERS;
|
||||
GENE_NUMBERS += maskBits;
|
||||
if (GENE_NUMBERS >= GENE_MAX) {//
|
||||
System.out.println("目前基因位数不能超过" + GENE_MAX);
|
||||
System.exit(-1);
|
||||
}
|
||||
return Long.parseLong(one + zero, 2); // 将类似"111000"这种字符串转换为长整
|
||||
}
|
||||
|
||||
public static long register(int... pos) {// 登记并指定基因允许分布的位置
|
||||
return register(1, true, false, pos[0], pos[1], pos[2]);
|
||||
}
|
||||
|
||||
public static long registerFill(int... pos) {// 登记并手工指定基因填满的位置
|
||||
return register(1, true, true, pos[0], pos[1], pos[2]);
|
||||
}
|
||||
|
||||
private static boolean is(long cell, long geneMask) { // 判断cell是否含某个基因，这个不移位b
|
||||
return (cell & geneMask) > 0;
|
||||
}
|
||||
|
||||
private static long b = 1; //以实现is(cell)方法每调用一次b就移位一次的效果，用全局静态变量可以省去方法调用时多传一个参数
|
||||
|
||||
private static boolean is_(long cell) { // 判断cell是否含b这个基因掩码，并左移位全局静态变量b一位，用下划线命名表示移位
|
||||
boolean result = (cell & b) > 0;
|
||||
b = b << 1;
|
||||
if (b > totalGenesLenth)
|
||||
b = 1 / 0;
|
||||
return result;
|
||||
}
|
||||
|
||||
private static void is_(Animal a, int z, long c, boolean bl) { // 判断cell是否含b这个基因掩码，并左移位全局静态变量b一位
|
||||
b = b << 1;
|
||||
if (b > totalGenesLenth)
|
||||
b = 1 / 0;
|
||||
if ((c & b) > 0 && bl)
|
||||
a.setEngZ(z, 1);
|
||||
}
|
||||
|
||||
private static int int_(long cell, int n) { //cell以当前基因掩码b开始，连续取n位成为0~2^n之间的整数返回，并把全局静态变量b左移n位
|
||||
int result = 0;
|
||||
long bb = 1L;
|
||||
for (int i = 0; i < n; i++) {
|
||||
if ((cell & b) > 0)
|
||||
result += bb;
|
||||
bb = bb << 1;
|
||||
b = b << 1;
|
||||
if (b > totalGenesLenth)
|
||||
b = 1 / 0;
|
||||
}
|
||||
return result;
|
||||
}
|
||||
|
||||
private static final int NA = -1;
|
||||
// ============开始登记基因==========
|
||||
|
||||
// 登记细胞间关联(触突树突)
|
||||
static {
|
||||
register(16 + 16, true, false, 0, 0, NA); //先登记一些基因位，每个基因位的作用（对应各种细胞类型、行为）后面再说
|
||||
}
|
||||
|
||||
private static long specialGenesStart = 1L << 16; //特殊基因的起点
|
||||
private static long specialGenesStart6 = specialGenesStart << 6; //再跳过6位，前6位已用于表示初始电阻了
|
||||
private static long totalGenesLenth = 1L << GENE_NUMBERS; //最大掩码位数不能超过登记的基因数量
|
||||
|
||||
// ========= active方法在每个主循环都会调用，用来存放细胞的行为，这是个重要方法 ===========
|
||||
public static void active(Animal a, int step) {
|
||||
int start = 0; //start是常数数组的起始点
|
||||
float cellValve = a.consts[start++]; //细胞激活的阀值，神经元细胞至少能量多少，才会对激活输出细胞
|
||||
|
||||
//===============首先是第一次调用时, 进行所有细胞的初始化设定==============
|
||||
if (1 == 0 && step == 0) {//一排细胞中特殊基因越多越好，基因种类多的加点分
|
||||
b = specialGenesStart;
|
||||
for (int i = 0; i < 16; i++) {
|
||||
for (int z = 0; z < Env.BRAIN_SIZE; z++) {//本版本所有细胞都排成一条线，位于 z轴上
|
||||
long c = a.cells[0][0][z];
|
||||
if (is(c, b)) {
|
||||
a.fat++;
|
||||
b <<= 1;
|
||||
break;
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
if (step == 0) {//初始化每个细胞的初始电阻，暂定单个细胞的所有正连线和负连线初始电阻相同
|
||||
for (int z = 0; z < Env.BRAIN_SIZE; z++) {//本版本所有细胞都排成一条线，位于 z轴上
|
||||
long c = a.cells[0][0][z]; //当前细胞是一个long类型
|
||||
b = specialGenesStart; //特殊基因从17开始，开头6位定义静态正负初始电阻
|
||||
float pRes = 0.14f * int_(c, 3); //res 在0~1之间，初始值由基因决定的常数位置的值决定
|
||||
float nRes = 0.14f * int_(c, 3); //res 在0~1之间
|
||||
for (int i = 0; i < Env.BRAIN_SIZE; i++) {
|
||||
a.posWeight[z][i] = pRes;
|
||||
a.negWeight[z][i] = nRes;
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
for (int z = 0; z < Env.BRAIN_SIZE; z++) {//本版本所有细胞都排成一条线，位于 z轴上
|
||||
long c = a.cells[0][0][z];
|
||||
float e = a.getEng(0, 0, z);//当前细胞的能量
|
||||
|
||||
//===============先根据细胞能量产生输出行动, 注意细胞能量是由上轮产生的 ==============
|
||||
b = specialGenesStart6; //基因本身没什么意义，你给它什么假设并且它正好进化出这个掩码位，它就拥有什么行为
|
||||
|
||||
if (is_(c) && e > cellValve) {//如果是咬细胞，且处于激活态，咬下
|
||||
a.bite = true;
|
||||
}
|
||||
|
||||
if (is_(c) && e > cellValve) {//如果张嘴细胞激活，停止咬
|
||||
a.bite = false;
|
||||
}
|
||||
|
||||
//===============然后根据所含的各种乱七八糟基因，激活细胞或关闭细胞 ==============
|
||||
|
||||
|
||||
if (is_(c)) {//如果有active基因, 此细胞始终激活, is_方法在判断c有无b掩码后，将b左移一位
|
||||
a.setEngZ(z, 1);
|
||||
e = 1f;
|
||||
}
|
||||
|
||||
is_(a, z, c, a.seeFoodComing); //如果看到食物正在靠近，激活此细胞
|
||||
is_(a, z, c, a.seeEmptyComing); //如果看到空白正在靠近，激活此细胞
|
||||
|
||||
if (e < 0.1f) //如果这个细胞没有能量可以传给其它细胞，就跳过这个细胞
|
||||
continue;
|
||||
|
||||
//==================下面是细胞之间的能量传送=======1================
|
||||
//下面要实现以下规则，规则针对细胞级别，产生的效果是宏观级别，宏观级别的效果可以用遗传算法来判定筛选。
|
||||
// 先按以下假定规则来编程：
|
||||
// 单个细胞反复活跃，增加它所有正权重, 宏观效果：单个视信号反复激活，会刺激无关的咬细胞激活
|
||||
// 两个细胞同时活跃，增加它们间的正权重， 宏观效果：两个不相干的信号相邻时间内激活，两个不相干信号会形成关联
|
||||
// 甜觉加强最近正权重，宏观效果：甜味加强正向行为条件反射
|
||||
// 痛觉加强最近负权重，宏观效果：苦味抑制正向条件反射，加强负向条件反射
|
||||
|
||||
boolean hasPosLines = is_(c);//当前神经元是否有正权重连线
|
||||
boolean hasNegLines = is_(c);//当前神经元是否有负权重连线
|
||||
|
||||
b = 1; //从头开始，处理与相邻16个细胞之间的正权重能量传递
|
||||
|
||||
for (int i = 0; i < Env.BRAIN_SIZE; i++) {
|
||||
a.posActivity[z][i] = a.posActivity[z][i] * .97f; //活跃度随时间消失, 97魔数以后也要用基因控制
|
||||
a.negActivity[z][i] = a.negActivity[z][i] * .97f;
|
||||
a.setEngZ(z, e * .8f); //细胞的能量也随时间消失，不能一直激活，一直激活就相当于阻断了新的信号。所以细胞神经网络是脉冲神经网络，所有被激活的细胞,其细胞能量都在慢慢减小
|
||||
}
|
||||
|
||||
//活跃度、权重、细胞能量的关系：
|
||||
//活跃度：表示最近细胞或连线有没有激活过，活跃度是时间信息存诸的地方，与时间相关最密切，活跃度与奖罚激素联合，可以方便地动态调控权重
|
||||
//活跃度是记录在细胞上还是记录在连线上？有疑问，记录在细胞上可以节约内存，记录在连线上可以独立控制每个连线
|
||||
//权重：即电阻，模拟触突，表示细胞之间的连线的能量通过能力，是静态信息保存的地方
|
||||
//能量：能量作用在细胞上，是当前信息暂存的载体，以脉冲形式在细胞间传播
|
||||
|
||||
for (int i = 0; i < Env.BRAIN_SIZE; i++)
|
||||
if (is_(c)) {//如果包含某线胞的序号，就传送能量给这个细胞
|
||||
if (hasPosLines) { //如有正权重线条
|
||||
float et = e * a.posWeight[z][i]; //要传输的能量=细胞能量*连线权重
|
||||
if (et > cellValve) {
|
||||
a.posActivity[z][i] = (a.posActivity[z][i] + et) * 0.5f; //活跃度与最近能量传送相关和本身原有活跃度相关，取平均值。好比有没有吃饱不光和嘴上的食物有关，还和肚子里有多少食物有关
|
||||
a.addEng(0, 0, i, et);
|
||||
}
|
||||
}
|
||||
if (hasNegLines) { //如有负权重线条
|
||||
float et = e * a.negWeight[z][i]; //要传输的能量=细胞能量*连线权重
|
||||
if (et > cellValve) {
|
||||
a.negActivity[z][i] = (a.negActivity[z][i] + et) * 0.5f; //活跃度与最近能量传送相关和本身原有活跃度相关
|
||||
a.addEng(0, 0, i, -et);
|
||||
}
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
|
||||
}
|
||||
Reference in New Issue
Block a user