声明

声明：未经允许，不得转载。——CSDN:川川菜鸟

数学虽然有些难度，当时我们如果把它们转化为容易看懂的，就如此简单。这些函数和代码是我最近几天在做寻优算法的时候总结的，因此本篇内容主要是展示可视化部分，并没有谈到任何算法。

前半部分我给了具体公式，后面部分我实在懒得弄公式了，主要是带大家感受数学的优美，不要对数学感到困难情绪。

Ackley函数 公式如下：

文章图片

代码编写：

import numpy as npfrom pymoo.problems import get_problem from pymoo.visualization.fitness_landscape import FitnessLandscapeproblem = get_problem("ackley", n_var=2, a=20, b=1/5, c=2 * np.pi)FitnessLandscape(problem, angle=(45, 45), _type="surface").show()

绘制函数图形如下：

文章图片

换个画法:

from pyMetaheuristic.test_function import single from pyMetaheuristic.utils import graphstf = single.ackley# Target Function - 3D Plot plot_parameters = { 'min_values': (-5, -5), 'max_values': (5, 5), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

Griewank函数 公式如下：

文章图片

代码编写：

from pymoo.problems import get_problem from pymoo.visualization.fitness_landscape import FitnessLandscapeproblem = get_problem("griewank", n_var=1) plot = FitnessLandscape(problem, _type="surface", n_samples=1000) plot.do() plot.apply(lambda ax: ax.set_xlim(-200, 200)) plot.apply(lambda ax: ax.set_ylim(-1, 13)) plot.show()

绘制如下：

文章图片

Zakharov函数 公式如下：

文章图片

代码编写：

import numpy as npfrom pymoo.problems import get_problem from pymoo.visualization.fitness_landscape import FitnessLandscapeproblem = get_problem("zakharov", n_var=2)FitnessLandscape(problem, angle=(45, 45), _type="surface").show()

绘制如下：

文章图片

rastrigin函数 公式如下：

文章图片

代码如下：

import numpy as npfrom pymoo.problems import get_problem from pymoo.visualization.fitness_landscape import FitnessLandscapeproblem = get_problem("rastrigin", n_var=2)FitnessLandscape(problem, angle=(45, 45), _type="surface").show()

绘制如下：

文章图片

Rosenbrock函数 公式如下：

文章图片

代码编写：

import numpy as npfrom pymoo.problems import get_problem from pymoo.visualization.fitness_landscape import FitnessLandscapeproblem = get_problem("rosenbrock", n_var=2)FitnessLandscape(problem, angle=(45, 45), _type="surface").show()

绘制如下：

文章图片

ZDT3函数 公式如下：

文章图片

代码编写：

from pymoo.problems import get_problem from pymoo.util.plotting import plotproblem = get_problem("zdt3") plot(problem.pareto_front(), no_fill=True)

如下：

文章图片

TNK函数 公式如下：

文章图片

代码编写：

from pymoo.problems import get_problem from pymoo.util.plotting import plotproblem = get_problem("tnk") plot(problem.pareto_front(), no_fill=True)

如下：

文章图片

DF3函数 代码如下：

from pymoo.problems.dynamic.df import DF3plot = Scatter()for t in np.linspace(0, 10.0, 100): problem = DF3(time=t) plot.add(problem.pareto_front(), plot_type="line", color="black", alpha=0.7)plot.show()

绘制如下：

文章图片

DF4函数

from pymoo.problems.dynamic.df import DF4plot = Scatter()for t in np.linspace(0, 10.0, 100): problem = DF4(time=t) plot.add(problem.pareto_front() + 2*t, plot_type="line", color="black", alpha=0.7)plot.show()

如下：

文章图片

arallel_hyper_ellipsoid 函数

tf = single.axis_parallel_hyper_ellipsoidplot_parameters = { 'min_values': (-5.12, -5.12), 'max_values': (5.12, 5.12), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

beale函数

tf = single.bealeplot_parameters = { 'min_values': (-4.5, -4.52), 'max_values': (4,5, 4.5), 'step': (0.1, 0.1), 'solution': [(3, 0.5)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

booth函数

tf = single.boothplot_parameters = { 'min_values': (-10, -10), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(1, 3)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

branin_rcos函数

tf = single.branin_rcosplot_parameters = { 'min_values': (-5, 0), 'max_values': (10, 15), 'step': (0.1, 0.1), 'solution': [(-3.14, 12.275), (3.14, 2.275), (9.42478, 2.475)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

bukin_6函数

tf = single.bukin_6plot_parameters = { 'min_values': (-15, -3), 'max_values': (-5, 3), 'step': (0.1, 0.1), 'solution': [(-10, 1)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

Cross in Tray函数

tf = single.cross_in_trayplot_parameters = { 'min_values': (-10, -10), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(1.34941, 1.34941), (-1.34941, 1.34941), (1.34941, -1.34941), (-1.34941, -1.34941)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

de_jong_1函数

tf = single.de_jong_1plot_parameters = { 'min_values': (-5.12, -5.12), 'max_values': (5.12, 5.12), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

drop_wave函数

tf = single.drop_waveplot_parameters = { 'min_values': (-5.12, -5.12), 'max_values': (5.12, 5.12), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

easom函数

tf = single.easomplot_parameters = { 'min_values': (-100, -100), 'max_values': (100, 100), 'step': (1, 1), 'solution': [(3.14, 3.14)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

eggholder函数

tf = single.eggholderplot_parameters = { 'min_values': (-512, -512), 'max_values': (512, 512), 'step': (5, 5), 'solution': [(512, 404.2319)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

goldstein_price函数

tf = single.goldstein_price plot_parameters = { 'min_values': (-2, -2), 'max_values': (2, 2), 'step': (0.05, 0.05), 'solution': [(0, -1)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

himmelblau函数

tf = single.himmelblauplot_parameters = { 'min_values': (-5, -5), 'max_values': (5, 5), 'step': (0.1, 0.1), 'solution': [(3, 2), (-2.805118, 3.131312), (-3.779310, -3.283186), (3.584428 ,-1.848126)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

holder_table函数

tf = single.holder_tableplot_parameters = { 'min_values': (-10, -10), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(8.05502, 9.66459), (-8.05502, 9.66459), (8.05502, -9.66459), (-8.05502, -9.66459)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

matyas函数

tf = single.matyasplot_parameters = { 'min_values': (-10, -10), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

换个颜色：

tf = single.mccormickplot_parameters = { 'min_values': (-1.5, -3), 'max_values': (4, 4), 'step': (0.05, 0.05), 'solution': [(-0.54719, -1.54719)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

levi_13函数

tf = single.levi_13plot_parameters = { 'min_values': (-10, -10), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(1, 1)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

rastrigin函数

tf = single.rastriginplot_parameters = { 'min_values': (-5.12, -5.12), 'max_values': (5.12, 5.12), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

rosenbrocks_valley函数

tf = single.rosenbrocks_valleyplot_parameters = { 'min_values': (-5, -5), 'max_values': (5, 5), 'step': (0.1, 0.1), 'solution': [(1, 1)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

schaffer_2函数

tf = single.schaffer_2plot_parameters = { 'min_values': (-100, -100), 'max_values': (100, 100), 'step': (1, 1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

放大一点：

tf = single.schaffer_4plot_parameters = { 'min_values': (-100, -100), 'max_values': (100, 100), 'step': (1, 1), 'solution': [(0, 1.25313), (0, -1.25313), (1.25313, 0), (-1.25313, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

再做修改：

tf = single.schaffer_6plot_parameters = { 'min_values': (-100, -100), 'max_values': (100, 100), 'step': (1, 1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

schwefel函数

tf = single.schwefelplot_parameters = { 'min_values': (-500, -500), 'max_values': (500, 500), 'step': (5, 5), 'solution': [(420.9687, 420.9687)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

如下：

文章图片

six_hump_camel_back函数

tf = single.six_hump_camel_backplot_parameters = { 'min_values': (-3, -2), 'max_values': (3, 2), 'step': (0.1, 0.1), 'solution': [(0.0898, -0.7126), (-0.0898, 0.7126)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

styblinski_tang函数

tf = single.styblinski_tangplot_parameters = { 'min_values': (-5, -5), 'max_values': (5, 5), 'step': (0.1, 0.1), 'solution': [(-2.903534, -2.903534)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

【#|一文带你享受数学之优美】绘制如下：

文章图片

zakharov函数

tf = single.zakharovplot_parameters = { 'min_values': (-5, -5), 'max_values': (10, 10), 'step': (0.1, 0.1), 'solution': [(0, 0)], 'proj_view': '3D', 'view': 'notebook' } graphs.plot_single_function(target_function = tf, **plot_parameters)

绘制如下：

文章图片

你喜欢哪个函数呢？ 评论区留言说说哪个函数你更喜欢呢？数学是不是距离我们如此近，如此的优美，越发变得简单了？

推荐阅读

• 

  【20180922】GP28-重庆D2次教练晨会会议记录@重庆
• 

  年利率8 年利率8.4%是多少
• 

  刑法故意泄露国家秘密案件相关司法解释有几种
• 

  JavaScript之事件循环案例讲解
• 

  javaurl解码代码 java urldecode解码
• 

  雅安藏茶保质期是多久
• 

  深圳限外地车牌时间段最新2022周六周日 深圳限外地车牌时间段最新2022
• 

  苹果12装16系统怎么样啊，苹果iOS 12系统怎么样
• 

  php查询mysql数据库报错 php查询mysql数据库
• 

  四件套一般是什么材质 四件套什么材质的好?有什么区别
• 

  什么叫统招大专学历 什么叫统招什么叫非统招
• 

  江西的辣椒粉
• 

  2023福州中考中招录取结果查询 福州2021年中考录取通知
• 

  请问oppor9s么设置虚拟键
• 

  尼康z6拍摄视频 尼康z6人像拍摄体验
• 

  真空包装的熟食能保存多久烧鸡 真空包装的熟食能保存多久
• 

  别克昂科威S标配9AT可真香
• 

  创维55M9电视屏幕太暗维修多少钱
• 

  自贡方特游乐园有什么项目 2023自贡方特游乐园门票多少钱
• 

  发布|OPPO Reno7系列新品发布 服务权益免除新品用机后顾之忧

• 数据库|软件工程专业困局
• #|canal同步MySQL数据到Elasticsearch
• dp|最近写过的dp题单（持续更新）
• 聚类|机器学习-常见聚类算法K-means，模糊c-均值，谱聚类 DBSCAN算法等
• 聚类算法-KMeans&DBSCAN
• 机器学习（6）（聚类算法：K-MEANS算法、DBSCAN算法）
• 个人笔记|机器学习算法----聚类 (K-Means、LVQ、GMM、DBSCAN、AGNES) (学习笔记)
• 深入浅出讲解自然语言处理|【聚类】详解常用的聚类算法（K-Means、DBSCAN等）
• FDTD学习笔记|Lumerical官方案例、FDTD时域有限差分法仿真学习（三）——环形谐振器(Ring resonator)之第一部分