Skip to content

fix(notebook,#1203): MGS-22 sorties re-executees sous defaut corrige #50, prose alignee #20271

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
coursia-lane-po-2027 wants to merge 2 commits into
base: main
Choose a base branch
from
+35 −35
Open

fix(notebook,#1203): MGS-22 sorties re-executees sous defaut corrige #50, prose alignee #20271

Changes from all commits
Commits
Show all changes
2 commits
Select commit Hold shift + click to select a range
3640c48
fix(notebook,#1203): MGS-22 re-execute sous defaut corrige #50, prose…
jsboige Oct 10, 2026
156605d
Fix: MGS-22 prose -- supprimer la mesure de cellules vides, garder le…
jsboige Oct 10, 2026
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
70 changes: 35 additions & 35 deletions MyIA.AI.Notebooks/Search/Part4-Metaheuristics/MGS-vs-mealpy/MGS-22-MGS-vs-Mealpy.ipynb
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -148,7 +148,7 @@
{
"output_type": "stream",
"name": "stdout",
"text": "MGS PSO (graine 7, témoin) : 46 conflits, 8000 évaluations, 4050 ms, cp25/50/75/100=46/46/46/46.\r\n"
"text": "MGS PSO (graine 7, témoin) : 22 conflits, 8000 évaluations, 1809 ms, cp25/50/75/100=33/26/24/22.\r\n"
}
],
"source": [
Expand Down Expand Up @@ -241,7 +241,7 @@
"2. **Le seeding précède la création de population.** `FastRandomRandomization.ResetSeed(seed)` avant `new SudokuR1Chromosome22()` — le RNG est consommé par `CreateNew()` de chaque individu initial ; re-seeder après ne fixe rien (leçon #12071). Les graines {0, 1, 7, 42} produisent des courses **reproductibles** : ré-exécuter ce notebook redonne les mêmes conflits.\n",
"3. **L'échauffement est jeté, pas compté.** La première course (graine 123, 10 générations) paie la compilation JIT et l'amorçage des DLLs ; la course témoin et le bench mesurent du code chaud. Le côté mealpy aura son échauffement symétrique — sinon la comparaison des temps mesurerait l'amorçage d'un côté et le régime permanent de l'autre.\n",
"\n",
"La course témoin (graine 7) donne le premier point de données. Regardez ses conflits : de l'ordre de la colonne R1/PSO de MGS-21 (médiane 45,0 à budget égal), pas de la résolution. C'est attendu — le PSO continu plafonne sur le Sudoku discret, et il plafonnera **des deux côtés** de la comparaison à venir : c'est précisément pourquoi le protocole compare à budget égal plutôt qu'à résolution."
"La première course mesurée (graine 7) donne le premier point de données : **22 conflits**, très loin de la résolution — la grille est encore largement vide. Le PSO continu plafonne sur le Sudoku discret, et il plafonnera **des deux côtés** de la comparaison à venir : c'est précisément pourquoi le protocole compare à budget égal plutôt qu'à résolution. Ce niveau est celui du défaut **corrigé** du composé MGS ; le profil témoin, rejoué en section 3, valait 46 conflits pour cette même graine."
]
},
{
Expand All @@ -264,7 +264,7 @@
{
"output_type": "stream",
"name": "stdout",
"text": "Pont PythonNet actif : mealpy 3.0.2 sur Python 3.13.12\r\n"
"text": "Pont PythonNet actif : mealpy 3.0.2 sur Python 3.13.15\r\n"
},
{
"output_type": "stream",
Expand Down Expand Up @@ -532,7 +532,7 @@
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy OriginalPSO (graine 7, témoin) : 26 conflits, 8050 évaluations, 3358 ms, cp25/50/75/100=35/27/26/26.\r\n"
"text": "mealpy OriginalPSO (graine 7, témoin) : 26 conflits, 8050 évaluations, 2186 ms, cp25/50/75/100=35/27/26/26.\r\n"
},
{
"output_type": "stream",
Expand Down Expand Up @@ -643,42 +643,42 @@
{
"output_type": "stream",
"name": "stdout",
"text": "MGS 0 39 8000 1816 0,227 39/39/39/39 \r\n"
"text": "MGS 0 12 8000 1552 0,194 32/18/12/12 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "MGS 1 41 8000 1749 0,219 41/41/41/41 \r\n"
"text": "MGS 1 16 8000 1092 0,136 24/21/19/16 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "MGS 7 46 8000 1400 0,175 46/46/46/46 \r\n"
"text": "MGS 7 22 8000 1162 0,145 33/26/24/22 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "MGS 42 48 8000 1228 0,153 48/48/48/48 \r\n"
"text": "MGS 42 18 8000 1140 0,143 32/23/19/18 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy 0 30 8050 1876 0,233 41/32/31/30 \r\n"
"text": "mealpy 0 30 8050 1374 0,171 41/32/31/30 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy 1 27 8050 1600 0,199 43/35/29/27 \r\n"
"text": "mealpy 1 27 8050 1449 0,180 43/35/29/27 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy 7 26 8050 1577 0,196 35/27/26/26 \r\n"
"text": "mealpy 7 26 8050 1621 0,201 35/27/26/26 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy 42 31 8050 1771 0,220 43/36/33/31 \r\n"
"text": "mealpy 42 31 8050 1772 0,220 43/36/33/31 \r\n"
},
{
"output_type": "stream",
Expand All @@ -688,17 +688,17 @@
{
"output_type": "stream",
"name": "stdout",
"text": "MGS : médiane conflits 43,5 (min 39, max 48), ms/éval moyen 0,194\r\n"
"text": "MGS : médiane conflits 17,0 (min 12, max 22), ms/éval moyen 0,155\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "mealpy : médiane conflits 28,5 (min 26, max 31), ms/éval moyen 0,212\r\n"
"text": "mealpy : médiane conflits 28,5 (min 26, max 31), ms/éval moyen 0,193\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "Rapport ms/éval mealpy/MGS : 1,09x\r\n"
"text": "Rapport ms/éval mealpy/MGS : 1,25x\r\n"
},
{
"output_type": "stream",
Expand All @@ -713,32 +713,32 @@
{
"output_type": "stream",
"name": "stdout",
"text": " cp 25% : MGS 43,5 [39-48] | mealpy 42,0 [35-43] | delta MGS-mealpy +1,5\r\n"
"text": " cp 25% : MGS 32,0 [24-33] | mealpy 42,0 [35-43] | delta MGS-mealpy -10,0\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": " cp 50% : MGS 43,5 [39-48] | mealpy 33,5 [27-36] | delta MGS-mealpy +10,0\r\n"
"text": " cp 50% : MGS 22,0 [18-26] | mealpy 33,5 [27-36] | delta MGS-mealpy -11,5\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": " cp 75% : MGS 43,5 [39-48] | mealpy 30,0 [26-33] | delta MGS-mealpy +13,5\r\n"
"text": " cp 75% : MGS 19,0 [12-24] | mealpy 30,0 [26-33] | delta MGS-mealpy -11,0\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": " cp100% : MGS 43,5 [39-48] | mealpy 28,5 [26-31] | delta MGS-mealpy +15,0\r\n"
"text": " cp100% : MGS 17,0 [12-22] | mealpy 28,5 [26-31] | delta MGS-mealpy -11,5\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "Forme de l'écart qualité : stagnation tardive MGS.\r\n"
"text": "Forme de l'écart qualité : précipitation précoce.\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "Axe coût par step : MGS devant (0,91x le coût mealpy)\r\n"
"text": "Axe coût par step : MGS devant (0,80x le coût mealpy)\r\n"
},
{
"output_type": "stream",
Expand Down Expand Up @@ -861,9 +861,9 @@
"- **Qualité finale** : MGS atteint une médiane de 17,0 conflits contre 28,5 pour mealpy, avec séparation totale des gammes : 12-22 contre 26-31. Le pire résultat MGS (22) reste meilleur que le meilleur résultat mealpy (26) ; la domination ne dépend pas d'un chevauchement interprété favorablement.\n",
"- **Trajectoire médiane** : MGS part de 32,0 au checkpoint 25 % et continue de descendre — 22,0, puis 19,0 et 17,0 — tandis que mealpy passe de 42,0 à 33,5, puis 30,0 et 28,5. L'écart médian MGS − mealpy se maintient entre −10,0 et −11,5 conflits d'un bout à l'autre de la course. Le classifieur dérivé des quatre checkpoints conclut `précipitation précoce` : l'avantage MGS est acquis dès le premier quart, sans que MGS cesse pour autant d'améliorer son best-so-far jusqu'à la fin.\n",
"- **Déterminisme** : conflits finaux **et** quatre checkpoints sont identiques sur les trois répétitions pour les huit couples graine-moteur. La forme observée n'est donc pas un artefact d'une seule trajectoire, et la séparation finale n'est pas du bruit entre répétitions.\n",
"- **Coût par étape** : la cellule calcule dynamiquement le rapport ms/éval du run courant (mealpy y est devant). Les temps absolus ne sont pas recopiés ici, car ils dépendent du matériel ; cet axe ne fonde pas le verdict de qualité.\n",
"- **Coût par étape** : la cellule calcule dynamiquement le rapport ms/éval du run courant (MGS y est devant). Les temps absolus ne sont pas recopiés ici, car ils dépendent du matériel ; cet axe ne fonde pas le verdict de qualité.\n",
"\n",
"L'hypothèse de départ — *« possible que les perfs ne suivent pas mealpy sous NumPy optimisé »* — se sépare toujours en deux axes, mais le classement qualité a basculé : MGS domine nettement la qualité à budget égal, mealpy garde l'avantage sur le coût par étape. Les deux PSO ne partagent pas tous leurs paramètres par défaut : ce banc mesure donc les bibliothèques telles qu'un utilisateur les lance, tandis que les checkpoints localisent **quand** leur comportement diverge.\n",
"L'hypothèse de départ — *« possible que les perfs ne suivent pas mealpy sous NumPy optimisé »* — se sépare toujours en deux axes, mais le classement qualité a basculé : MGS domine nettement la qualité à budget égal, et devance aussi le coût par étape. Les deux PSO ne partagent pas tous leurs paramètres par défaut : ce banc mesure donc les bibliothèques telles qu'un utilisateur les lance, tandis que les checkpoints localisent **quand** leur comportement diverge.\n",
"\n",
"**Avertissement de lecture.** Ce croisement tourne sous le défaut **corrigé** du composé PSO MGS (mutation de l'hôte préservée, `MetaGeneticSharp#50`). Les outputs historiques committés au gitlink précédent montraient la situation inverse — médiane MGS 43,5 [39-48], best-so-far gelé dès le checkpoint 25 % — que la section 3 rejoue ci-dessous comme témoin (`noMutation: true`) et attribue à la mutation désactivée. Le classement ci-dessus est donc la conséquence directe du correctif, pas une propriété du noyau PSO lui-même."
]
Expand All @@ -886,17 +886,17 @@
{
"output_type": "stream",
"name": "stdout",
"text": " C# : 6,9 ms total -> 0,014 ms/éval\r\n"
"text": " C# : 5,0 ms total -> 0,010 ms/éval\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": " Python : 38,2 ms total -> 0,076 ms/éval\r\n"
"text": " Python : 29,1 ms total -> 0,058 ms/éval\r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": " rapport Python/C# : 5,56x\r\n"
"text": " rapport Python/C# : 5,77x\r\n"
}
],
"source": [
Expand Down Expand Up @@ -997,42 +997,42 @@
{
"output_type": "stream",
"name": "stdout",
"text": "témoin noMut=true 0 39 8000 0,099 39/39/39/39 \r\n"
"text": "témoin noMut=true 0 39 8000 0,158 39/39/39/39 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "témoin noMut=true 1 41 8000 0,093 41/41/41/41 \r\n"
"text": "témoin noMut=true 1 41 8000 0,169 41/41/41/41 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "témoin noMut=true 7 46 8000 0,085 46/46/46/46 \r\n"
"text": "témoin noMut=true 7 46 8000 0,167 46/46/46/46 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "témoin noMut=true 42 48 8000 0,081 48/48/48/48 \r\n"
"text": "témoin noMut=true 42 48 8000 0,162 48/48/48/48 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "défaut corrigé #50 0 12 8000 0,089 32/18/12/12 \r\n"
"text": "défaut corrigé #50 0 12 8000 0,235 32/18/12/12 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "défaut corrigé #50 1 16 8000 0,094 24/21/19/16 \r\n"
"text": "défaut corrigé #50 1 16 8000 0,188 24/21/19/16 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "défaut corrigé #50 7 22 8000 0,088 33/26/24/22 \r\n"
"text": "défaut corrigé #50 7 22 8000 0,191 33/26/24/22 \r\n"
},
{
"output_type": "stream",
"name": "stdout",
"text": "défaut corrigé #50 42 18 8000 0,085 32/23/19/18 \r\n"
"text": "défaut corrigé #50 42 18 8000 0,286 32/23/19/18 \r\n"
},
{
"output_type": "stream",
Expand Down Expand Up @@ -1342,7 +1342,7 @@
"source": [
"## Résumé et perspectives\n",
"\n",
"**Réponse à l'hypothèse de départ.** Sur ce plan apparié — PSO canonique contre `OriginalPSO`, même grille et même coût, budgets mesurés, graines {0, 1, 7, 42} — MGS domine la qualité finale : médiane 17,0 contre 28,5 conflits, avec séparation des gammes 12-22 contre 26-31. mealpy garde l'avantage sur le coût par étape ; son ampleur dépend du matériel et se lit dans l'output, pas dans une valeur figée en prose. L'hypothèse « les perfs ne suivront pas mealpy » est donc réfutée sur l'axe qualité à budget égal ; sur l'axe vitesse brute, mealpy reste devant.\n",
"**Réponse à l'hypothèse de départ.** Sur ce plan apparié — PSO canonique contre `OriginalPSO`, même grille et même coût, budgets mesurés, graines {0, 1, 7, 42} — MGS domine la qualité finale : médiane 17,0 contre 28,5 conflits, avec séparation des gammes 12-22 contre 26-31. MGS devance aussi le coût par étape ; son ampleur dépend du matériel et se lit dans l'output, pas dans une valeur figée en prose. L'hypothèse « les perfs ne suivront pas mealpy » est donc réfutée sur les deux axes mesurés à budget égal — la qualité et le coût par étape.\n",
"\n",
"**Le mécanisme, localisé et tranché.** Les outputs historiques d'avant le correctif montraient la situation inverse : médiane MGS 43,5, atteinte dès 25 % du budget puis figée — le profil « stagnation tardive ». La section 3 rejoue ce cas en témoin (`noMutation: true`) et tranche l'attribution : le plateau quantifié était un état absorbant parce que le câblage historique désactivait la mutation de l'hôte ; le défaut corrigé fait passer la médiane de 43,5 à 17,0 sur le même plan, verdict `IMPROVES`. La cible d'analyse n'était donc ni la fitness, ni la dynamique de population : un défaut de câblage du composé, isolé et mesuré par la paire.\n",
"\n",
Expand Down
Loading