9-24. 遺伝的アルゴリズム（vcopt）でラテ欄の縦読みを作ってみた

pip install vcopt

import numpy as np
import pandas as pd
from copy import deepcopy
from vcopt import vcopt

#完成したい文字列
tateyomi_aim = 'フウフエンマン'

#完成したい文字列バラバラに格納
tateyomi_aim = np.array(list(tateyomi_aim))
#データ読み込み
data = pd.read_csv('pokemon_status_3.csv', encoding='shift-jis')
#ポケモン名だけ抽出
data = np.array(data['ポケモン名'])

print('ポケモンの数:{}'.format(len(data)))
print('最初の４匹:{}'.format(data[:4]))

ポケモンの数:909
最初の４匹:['フシギダネ' 'フシギソウ' 'フシギバナ' 'メガフシギバナ']

#評価関数
def tateyomi_score(para, show=False):
    #paraのポケモンを抽出
    names = data[para]
    
    #▽で結合して文章に
    sentence = '▽'.join(names)
    
    #文章を10の倍数文字に調整
    while len(sentence) % 10 != 0:
        sentence += '#'
    
    #幅10文字に成形
    reshaped = np.array(list(sentence)).reshape(-1, 10)
    
    #縦読みを抽出
    tateyomi = reshaped[:, 0]
    
    #手前から連続で目標と一致している数をスコアとする
    l = min(len(tateyomi), len(tateyomi_aim))
    match = (tateyomi[:l] == tateyomi_aim[:l])
    try:
        score = np.where(match==False)[0][0]
    except:
        score = l
    
    #表示オプション
    if show:
        for i in range(l):
            print(''.join(reshaped[i]))
    
    return score
    
#最初の10匹で確認
para = np.arange(10)
print(tateyomi_score(para, True))

フシギダネ▽フシギソ
ウ▽フシギバナ▽メガ
フシギバナ▽ヒトカゲ
▽リザード▽リザード
ン▽メガリザードンX
▽メガリザードンY▽
ゼニガメ######
3

tateyomi_aim = 'ビネクラノサイテキカハスゴイ'

#パラメータ範囲
poke_num = len(tateyomi_aim) * 2
para_range = [[i for i in range(0, len(data))] for j in range(poke_num)]

#GAで最適化
para, score = vcopt().dcGA(para_range,               #para_range
                           tateyomi_score,           #評価関数
                           len(tateyomi_aim),        #評価目標値
                           show_pool_func='print',   #表示オプション
                           pool_num=poke_num*200)    #個体数を次元の200倍（通常は10倍）
#結果の表示
tateyomi_score(para, True)

________________________________________ info ________________________________________
para_range     : n=28
score_func     : <class 'function'>
aim            : ==14.0
show_pool_func : 'print'
seed           : None
pool_num       : 5600
max_gen        : None
core_num       : 1 (*vcopt, vc-grendel)
_______________________________________ start ________________________________________
Scoring first gen 5600/5600        
gen=       0, best_score=   1.000, mean_score=   0.011, mean_gap=  13.989, time=   1.7
gen=    5600, best_score=   1.000, mean_score=   0.021, mean_gap=  13.979, time=   2.9
gen=   11200, best_score=   1.000, mean_score=   0.042, mean_gap=  13.958, time=   4.2
gen=   16800, best_score=   1.000, mean_score=   0.082, mean_gap=  13.918, time=   5.5
・
・
・
gen=  509600, best_score=  13.000, mean_score=  10.133, mean_gap=   3.867, time= 110.8
gen=  515200, best_score=  13.000, mean_score=  10.201, mean_gap=   3.799, time= 112.0
gen=  520800, best_score=  13.000, mean_score=  10.287, mean_gap=   3.713, time= 113.2
gen=  526400, best_score=  14.000, mean_score=  10.408, mean_gap=   3.592, time= 114.4
_______________________________________ result _______________________________________
para = np.array([378, 242, 90, 693, 267, 328, 338, 360, 37, 440, 282, 903, 713, 49, 243, 668, 303, 311, 767, 19, 513, 271, 622, 437, 712, 348, 399, 249])
score = 14.0
________________________________________ end _________________________________________
ビブラーバ▽メガハガ
ネール▽ドククラゲ▽
クマシュン▽キングド
ラ▽キノガッサ▽マク
ノシタ▽バルビート▽
サンドパン▽ゲンシカ
イオーガ▽スイクン▽
テッカグヤ▽モノズ▽
キュウコン▽ブルー▽
カブルモ▽グラエナ▽
ハスボー▽ニャオニク
ス♀▽メガスピアー▽
ゴンベ▽オドシシ▽ホ
イーガ▽ラティオス▽

tateyomi_aim = 'ワガハイハネコデアル▽ナマエハマダナイ'

_______________________________________ result _______________________________________
para = np.array([295, 418, 711, 366, 620, 257, 665, 451, 0, 437, 531, 664, 63, 603, 522, 196, 29, 68, 315, 498, 613, 174, 368, 313, 420, 339, 757, 71, 897, 450, 324, 80, 370, 879, 694, 862, 903, 708])
score = 19.0
________________________________________ end _________________________________________
ワカシャモ▽トドゼル
ガ▽クイタラン▽サメ
ハダー▽ハハコモリ▽
イノムー▽シキジカ▽
ハヤシガメ▽フシギダ
ネ▽ラティオス▽ジバ
コイル▽バイバニラ▽
ディグダ:A▽ギガイ
アス▽ドクロッグ▽ヨ
ルノズク▽オニドリル
▽ペルシアン▽コノハ
ナ▽ブニャット▽オタ
マロ▽フリーザー▽ホ
エルコ▽ルンパッパ▽
ハンテール▽ハリテヤ
マ▽フラエッテ▽ゴル
ダック▽ソルガレオ▽
ナエトル▽メガサーナ
イト▽ユンゲラー▽ド

#確定遺伝子
para_fix = np.array([], int)
miss = 0

#ステップを繰り返し
for step in range(1, len(tateyomi_aim)*2 + 1):
    print('=== step {} ==='.format(step))

    #パラメータ範囲
    para_range = []
    for i in range(len(para_fix)):
        para_range.append([para_fix[i]]) #確定分は選択肢が一つだけ
    for i in range(6):
        para_range.append([j for j in range(0, len(data))]) #6体ずつ探索
    
    #GAで最適化
    para, score = vcopt().dcGA(para_range,            #para_range
                               tateyomi_score,        #評価関数
                               len(tateyomi_aim),     #評価目標値
                               show_pool_func=None,   #表示オプション
                               pool_num=6*200)        #個体数を次元の200倍
    
    #1体を確定遺伝子に加える
    para_fix = deepcopy(para[:step])
    #print(para_fix)
    
    #このステップの結果の表示
    tateyomi_score(para_fix, True)

=== step 1 ===
ワカシャモ#####
=== step 2 ===
ワカシャモ▽プロトー
ガ#########
=== step 3 ===
ワカシャモ▽プロトー
ガ▽ライチュウ###
=== step 4 ===
ワカシャモ▽プロトー
ガ▽ライチュウ▽ウソ
ハチ########
・
・
・
=== step 38 ===
ワカシャモ▽プロトー
ガ▽ライチュウ▽ウソ
ハチ▽アブリボン▽ス
イクン▽バクフーン▽
ハリマロン▽フシギダ
ネ▽キバゴ▽チョロネ
コ▽トルネロス霊獣▽
デンチュラ▽グレイシ
ア▽ヒポポタス▽ジガ
ルデ50%▽ラブカス
▽ルナアーラ▽マギア
ナ▽アルセウス▽イト
マル▽ルナトーン▽ホ
エルコ▽カイリュー▽
ハリーセン▽ビリリダ
マ▽コンパン▽サメハ
ダー▽セレビィ▽マイ
ナン▽ソルロック▽ラ
イチュウ:A▽マグカ

tateyomi_aim = 'メロスハゲキドシタ▽カナラズカノジャチ'

=== step 38 ===
ハヤシガメ▽ベイリー
フ▽ギャロップ▽メガ
ギャラドス▽マーイー
カ▽サメハダー▽バイ
バニラ▽ゲンシグラー
ドン▽ユキワラシ▽メ
ガボスゴドラ▽コラッ
タ:A▽シルヴァディ
▽イベルタル▽ペルシ
アン:A▽ヒヒダルマ
N▽モウカザル▽サン
ダース▽ナゾノクサ▽
メガプテラ▽マンタイ
ン▽モノズ▽ヌマクロ
ー▽マラカッチ▽ジラ
ーチ▽オノンド▽バル
チャイ▽ジュカイン▽
バケッチャ特大▽スト
ライク▽チルット▽ブ