%% Geneticki algoritam - Vezbe - IEM (SmartGrid)
PopulationSize=50;
GenerationNumber=500;
CrossoverProbability=0.8; % 80%
MutationProbability=0.02; % 2%
Elitism=2; % broj resenja koja se direktno prepisuju

%% promenljive velicine
xmin=[8 8];
xmax=[15 15];
dx=[0.1 0.1];

% proracun duzine hromozoma
for i=1:length(xmin)
    VariableLength(i)=ceil(log2((xmax(i)-xmin(i))/dx(i)));
end
ChromosomeLength=sum(VariableLength);

%% Inicijalizacija
Population=round(rand(PopulationSize,ChromosomeLength));

%% Proracun fintes vrednosti
% proracun promenljivih X
b=1;
for j=1:PopulationSize
    for i=1:length(xmin)
        e=b+VariableLength(i)-1;
        DV(j,i)=bin2dec(num2str(Population(j,b:e)));
        b=e+1;
        X(j,i)=xmin(i)+(xmax(i)-xmin(i))/((2^VariableLength(i))-1)*DV(j,i);
    end
    b=1;
end
% proracun fitnesa
for j=1:PopulationSize
    Fitnes(j,:)=ObjectiveFunction_SmartGrid2(X(j,:));
end

%rangiranje
[Fitnes,index]=sort(Fitnes,'ascend'); %sortira od najveceg do najmanjeg
Population=Population(index,:); %sortira od najboljeg do najlosijeg
X=X(index,:); %sortira od najboljeg do najlosijeg
Rang(:,1)=1:length(Fitnes); %formira se rang za odre]ivanje verovatnoce
P=(max(Rang)-Rang+1)/sum(Rang); %verovatnoca izbora

% u ovom trenutku imamo inicijalnu populaciju sa proracunatom verovatnocom
% izbora resenja, sortirano sve od najboljeg do najlosijeg

%% ovde pocinje petlja GA koja se ponavlja
for gen=1:GenerationNumber

    %% elitizam
    Selection(1:Elitism,:)=Population(1:Elitism,:);

    %% selekcija (selection)
    Wheel=cumsum(P);
    for i=(Elitism+1):length(Wheel)
        Point=rand;
        for j=1:length(Population)
            if Point<=Wheel(j)
                Selection(i,:)=Population(j,:);
                break
            end
        end
    end

    %% ukrstanje (crossover)
    for i=1:2:length(Selection)
        if rand>CrossoverProbability %ne vrsi se ukrstanje
            NewPopulation(i,:)=Selection(i,:);
            NewPopulation(i+1,:)=Selection(i+1,:);
        else %vrsi se ukrstanje
            Point=ceil(rand*(ChromosomeLength-1));
            Child1(1:Point)=Selection(i,1:Point);
            Child1(Point+1:ChromosomeLength)=Selection(i+1,Point+1:ChromosomeLength);
            Child2(1:Point)=Selection(i+1,1:Point);
            Child2(Point+1:ChromosomeLength)=Selection(i,Point+1:ChromosomeLength);
            NewPopulation(i,:)=Child1;
            NewPopulation(i+1,:)=Child2;
        end
    end

    %% mutacija (mutation)
    for i=1:length(Selection)
        if rand<MutationProbability %vrsi se mutacija
            Point=ceil(rand*(ChromosomeLength));
            NewPopulation(i,Point)=~NewPopulation(i,Point);
        end
    end

    %% Novu populaciju proglasiti populacijom
    Population=NewPopulation;

    %% u ovom trenutku imamo novu populaciju i treba ponovo proracunati kriterijumsku funkciju
    % proracun promenljivih X
    b=1;
    for j=1:PopulationSize
        for i=1:length(xmin)
            e=b+VariableLength(i)-1;
            DV(j,i)=bin2dec(num2str(Population(j,b:e)));
            b=e+1;
            X(j,i)=xmin(i)+(xmax(i)-xmin(i))/((2^VariableLength(i))-1)*DV(j,i);
        end
        b=1;
    end
    % proracun fitnesa
    for j=1:PopulationSize
        Fitnes(j,:)=ObjectiveFunction_SmartGrid2(X(j,:));
    end

    %rangiranje
    [Fitnes,index]=sort(Fitnes,'ascend'); %sortira od najveceg do najmanjeg
    Population=Population(index,:); %sortira od najboljeg do najlosijeg
    X=X(index,:); %sortira od najboljeg do najlosijeg
    Rang(:,1)=1:length(Fitnes); %formira se rang za odre]ivanje verovatnoce
    P=(max(Rang)-Rang+1)/sum(Rang); %verovatnoca izbora

    %% sve se ponavlja (elitizam, selekcija, ukrstanje, mutacija) dok se ne zadovolji kriterijum
    % kriterijum maksimalnog broja generacija
end

%% na samom kraju treba prikazati resenje
Solution=Fitnes(1);
Variable=X(1,:);
display(['resenje je X=',num2str(Variable),' za koje funkcija ima vrednost: ',num2str(Solution)])