Мы реализуем генетический алгоритм не в программном коде, а с использованием аппаратных таймеров и прерываний для параллельной эволюции!

Аппаратная эволюция на таймерах:

cpp

#include <avr/io.h>
#include <avr/interrupt.h>

#define POPULATION_SIZE 16
#define GENOME_SIZE 16
#define MUTATION_RATE 10

// Геном (хранится в регистрах для скорости)
uint8_t population[POPULATION_SIZE][GENOME_SIZE];
uint8_t fitness[POPULATION_SIZE];
uint8_t bestGenome[GENOME_SIZE];
uint8_t bestFitness = 0;

// Таймер 0 для генерации случайных чисел (аппаратный LFSR)
uint16_t lfsr = 0xACE1;

ISR(TIMER0_OVF_vect) {
    // Линейный регистр сдвига с обратной связью (LFSR)
    uint16_t bit = ((lfsr >> 0) ^ (lfsr >> 2) ^ (lfsr >> 3) ^ (lfsr >> 5)) & 1;
    lfsr = (lfsr >> 1) | (bit << 15);
}

// Аппаратный генератор случайных чисел
uint8_t randomByte() {
    return lfsr & 0xFF;
}

// Функция приспособленности (аппаратная, на прерываниях)
volatile uint8_t currentInd = 0;

ISR(TIMER1_OVF_vect) {
    // Вычисляем приспособленность для текущей особи (паппараллельно)
    uint8_t fit = 0;
    for (uint8_t i = 0; i < GENOME_SIZE; i++) {
        // Целевая функция: найти последовательность 0x55
        fit += (population[currentInd][i] == 0x55) ? 10 : 0;
        // Ищем также чередование бит
        for (uint8_t j = 0; j < 7; j++) {
            if (((population[currentInd][i] >> j) & 1) != 
                ((population[currentInd][i] >> (j+1)) & 1)) {
                fit += 1;
            }
        }
    }
    fitness[currentInd] = fit;
    currentInd = (currentInd + 1) % POPULATION_SIZE;
}

// Скрещивание (на аппаратном уровне через битовые операции)
void crossover(uint8_t* parent1, uint8_t* parent2, uint8_t* child1, uint8_t* child2) {
    uint8_t point = randomByte() % GENOME_SIZE;
    for (uint8_t i = 0; i < GENOME_SIZE; i++) {
        if (i < point) {
            child1[i] = parent1[i];
            child2[i] = parent2[i];
        } else {
            child1[i] = parent2[i];
            child2[i] = parent1[i];
        }
    }
}

// Мутация (аппаратная)
void mutate(uint8_t* genome) {
    for (uint8_t i = 0; i < GENOME_SIZE; i++) {
        if (randomByte() < MUTATION_RATE) {
            genome[i] ^= (1 << (randomByte() % 8));
        }
    }
}

// Инициализация аппаратной эволюции
void initEvolution() {
    // Настройка таймера 0 для LFSR (10 кГц)
    TCCR0A = 0;
    TCCR0B = (1 << CS02) | (1 << CS00);  // Прескалер 1024
    TIMSK0 = (1 << TOIE0);
    
    // Настройка таймера 1 для эволюции (1 кГц)
    TCCR1A = 0;
    TCCR1B = (1 << CS12) | (1 << CS10);  // Прескалер 1024
    TIMSK1 = (1 << TOIE1);
    
    // Инициализация популяции
    for (uint8_t i = 0; i < POPULATION_SIZE; i++) {
        for (uint8_t j = 0; j < GENOME_SIZE; j++) {
            population[i][j] = randomByte();
        }
    }
    
    sei();  // Разрешаем прерывания
}

// Главный цикл эволюции (вызывается в loop)
void evolveGeneration() {
    // Селекция (турнирная)
    uint8_t parents[POPULATION_SIZE];
    for (uint8_t i = 0; i < POPULATION_SIZE; i++) {
        uint8_t best = randomByte() % POPULATION_SIZE;
        for (uint8_t j = 0; j < 3; j++) {
            uint8_t contender = randomByte() % POPULATION_SIZE;
            if (fitness[contender] > fitness[best]) {
                best = contender;
            }
        }
        parents[i] = best;
    }
    
    // Создаем новое поколение
    uint8_t newPop[POPULATION_SIZE][GENOME_SIZE];
    for (uint8_t i = 0; i < POPULATION_SIZE; i += 2) {
        crossover(population[parents[i]], population[parents[i+1]], 
                  newPop[i], newPop[i+1]);
        mutate(newPop[i]);
        mutate(newPop[i+1]);
    }
    
    // Копируем новую популяцию
    memcpy(population, newPop, sizeof(population));
}

void setup() {
    Serial.begin(115200);
    initEvolution();
}

void loop() {
    static uint32_t lastEvolve = 0;
    
    // Эволюционируем каждые 100 мс
    if (millis() - lastEvolve > 100) {
        evolveGeneration();
        lastEvolve = millis();
        
        // Находим лучшую особь
        uint8_t bestFit = 0;
        uint8_t bestIdx = 0;
        for (uint8_t i = 0; i < POPULATION_SIZE; i++) {
            if (fitness[i] > bestFit) {
                bestFit = fitness[i];
                bestIdx = i;
            }
        }
        
        Serial.print("Поколение: ");
        Serial.print(millis() / 100);
        Serial.print(", Лучший геном: ");
        for (uint8_t i = 0; i < GENOME_SIZE; i++) {
            Serial.print(population[bestIdx][i], HEX);
            Serial.print(" ");
        }
        Serial.print(", Fitness: ");
        Serial.println(bestFit);
    }
}