Новая реализация и цветная еда.

Оптимизация

Давеча переписал имплементацию энималов. Ранее использовался IronPython с отрисовкой WPF. Аргументировал я это тем, что, во-первых, IronPython хорошо умеет работать с многопоточностью и он лишен тех недостатков, которыми обладает CPython со своим GIL. А во-вторых, тем что небольшие бенчмарки показывали существенное преимущество IronPython. В-третьих, удобство разработки UI.
Однако, перенеся проект с IronPython на Python версии 3.5, с использованием Qt для UI и OpenGL для прорисовки сцены, однопоточное выполнение этого кода имело такую же производительность как многопоточный код на IronPython! И когда я воспользовался возможностью подключать сторонние библиотеки в проект, и оптимизировал критические части программы с использованием библиотек numpy и scipy, то производительность увеличилась в пять раз. А при помощи уловки, при которой прорисовка сцены происходит каждые 200 циклов мира, в тот момент, когда мы не следим за происходящим, производительность улучшается еще в два раза, в итоге давая десятикратное ускорение. Стоит учесть что вычисления происходят на одном ядре процессора, что позволяет лично мне запускать три экземпляра программы одновременно, т.к. имею три ядра.

интерфейс программы

Стоит сказать что разрабатывать UI в Qt Designer также легко как и в visual studio, может даже и легче.

Изменения

Главным изменением стал отказ от гендерного  различия. Теперь потомство могут создавать любые две особи, у которых достаточно для этого энергии. Количество сенсоров уменьшилось с 7 до 3, т.к. этого вполне достаточно, чтобы определить направление расположения пищи по ее запаху. И результирующая топология нейронной сети являет собой: 3 сенсора во входном слое, 2 в скрытом и 2 в итоговом.
Рисуется агент синеватым цветом, а центре каждого агента рисуется круг, одним из оттенков серого, в зависимости от текущей наполненности энергией. Чем больший запас энергии в данный момент содержит агент - тем светлее будет этот круг.
Весь процесс эволюции можно посмотреть тут:

Код доступен на github.com в ветке only-food: https://github.com/zshimanchik/animals/tree/only-food

 Цветная еда

Чтобы усложнить им жизнь,  пища теперь появляется со случайным значением color в отрезке [0; 1]. Отображается на сцене она зелёным цветом (r=0, g=255, b=255), если color=0, и плавно перетекает в синий (r=0, g=0, b=255), когда color=1. Когда color=0.5, то пища рисуется цветом морской волны (r=0, g=255, b=255).
И запах пищи теперь характеризуется двумя атрибутами: двумерным вектором запаха и силой. Сила запаха прямо пропорционально зависит от размера куска еды:

smell_size = size * 21.0

А вектор запаха (g, b) строится в зависимости от атрибута color:

g = min(1.0, (1.0 - color) * 2)
b = min(1.0, color * 2)

Так как теперь есть два типа запахов, то каждый сенсор воспринимает в два раза больше величин, а значит у входного слоя нейронной сети теперь 6 нейронов.

В то же время теперь энималы тоже имеют цвет, значение его также в отрезке [0; 1]. Его значение определяет нейронная сеть, а значит у неё уже 3 нейрона в выходном слое: 1- поворот по или против часовой стрелки; 2- движение вперед или назад; 3-цвет. И так как у нас появилось больше информации для обработки, то в скрытом слое также увеличилось количество нейронов с 2 до 3.

Фокус этих цветов в том, что теперь пища быстрее поглощается теми агентами, у которых цвет ближе к цвету пищи. То есть, если раньше каждый энимал за один цикл программы съедал количество пищи равное константе:

EATING_VALUE 

то сейчас он съедает

EATING_VALUE * (1.0 - abs(animal.color - food.color))

Это становится стимулом для того, чтобы нейронная сеть вычисляла цвет близкий к цвету пищи, запах которой сенсоры сейчас воспринимают.

Результат эволюции можно посмотреть тут:

Код доступен на github.com в ветке colored-food: https://github.com/zshimanchik/animals/tree/colored-food