python绘制评估优化算法性能的测试函数
2019-06-25 09:42
435 查看
测试函数主要是用来评估优化算法特性的,这里我用python3绘制了部分测试函数的图像。具体的测试函数可以结合维基百科来了解。想要显示某个测试函数的图片把代码结尾对应的注释去掉即可,具体代码如下:
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D def draw_pic(X, Y, Z, z_max, title, z_min=0): fig = plt.figure() ax = Axes3D(fig) ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.cm.hot) # ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.cm.hot) ax.set_zlim(z_min, z_max) ax.set_title(title) # plt.savefig("./myProject/Algorithm/pic/%s.png" % title) # 保存图片 plt.show() def get_X_AND_Y(X_min, X_max, Y_min, Y_max): X = np.arange(X_min, X_max, 0.1) Y = np.arange(Y_min, Y_max, 0.1) X, Y = np.meshgrid(X, Y) return X, Y # rastrigin测试函数 def Rastrigin(X_min = -5.52, X_max = 5.12, Y_min = -5.12, Y_max = 5.12): A = 10 X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = 2 * A + X ** 2 - A * np.cos(2 * np.pi * X) + Y ** 2 - A * np.cos(2 * np.pi * Y) return X, Y, Z, 100, "Rastrigin function" # Ackley测试函数 def Ackley(X_min = -5, X_max = 5, Y_min = -5, Y_max = 5): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = -20 * np.exp(-0.2 * np.sqrt(0.5 * (X**2 + Y**2))) - \ np.exp(0.5 * (np.cos(2 * np.pi * X) + np.cos(2 * np.pi * Y))) + np.e + 20 return X, Y, Z, 15, "Ackley function" # Sphere测试函数 def Sphere(X_min = -3, X_max = 3, Y_min = -3, Y_max = 3): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = X**2 + Y**2 return X, Y, Z, 20, "Sphere function" # beale测试函数 def Beale(X_min = -4.5, X_max = 4.5, Y_min = -4.5, Y_max = 4.5): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = np.power(1.5 - X + X * Y, 2) + np.power(2.25 - X + X * (Y ** 2), 2) \ + np.power(2.625 - X + X * (Y ** 3), 2) return X, Y, Z, 150000, "Beale function" # Booth测试函数 def Booth(X_min = -10, X_max = 10, Y_min = -10, Y_max = 10): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = np.power(X + 2*Y - 7, 2) + np.power(2 * X + Y - 5, 2) return X, Y, Z, 2500, "Booth function" # Bukin测试函数 def Bukin(X_min = -15, X_max = -5, Y_min = -3, Y_max = 3): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = 100 * np.sqrt(np.abs(Y - 0.01 * X**2)) + 0.01 * np.abs(X + 10) return X, Y, Z, 200, "Bukin function" # Three-hump camel测试函数 def three_humpCamel(X_min = -5, X_max = 5, Y_min = -5, Y_max = 5): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = 2 * X**2 - 1.05 * X**4 + (1/6) * X**6 + X*Y + Y*2 return X, Y, Z, 2000, "three-hump camel function" # Hölder table测试函数 def Holder_table(X_min = -10, X_max = 10, Y_min = -10, Y_max = 10): X, Y = get_X_AND_Y(X_min, X_max, Y_min, Y_max) Z = -np.abs(np.sin(X) * np.cos(Y) * np.exp(np.abs(1 - np.sqrt(X**2 + Y**2)/np.pi))) return X, Y, Z, 0, "Hölder table function", -20 z_min = None # X, Y, Z, z_max, title = Rastrigin() # X, Y, Z, z_max, title = Ackley() # X, Y, Z, z_max, title = Sphere() # X, Y, Z, z_max, title = Beale() X, Y, Z, z_max, title = Booth() # X, Y, Z, z_max, title = Bukin() # X, Y, Z, z_max, title = three_humpCamel() # X, Y, Z, z_max, title, z_min = Holder_table() draw_pic(X, Y, Z, z_max, title, z_min)
以下是上述代码绘制的测试函数的图像:
感觉图像的颜色还不是很好看,等之后优化了来改
以上就是本文的全部内容,希望对大家的学习有所帮助
您可能感兴趣的文章:
相关文章推荐
- LINUX下磁盘IO性能测试评估与优化
- 第121课: Spark Streaming性能优化:通过摄像头图像处理案例来说明Spark流处理性能评估新方法及性能调优参数测试
- 粒子群优化算法(一):算法性能测试函数
- Python字符串通过'+'和join函数拼接新字符串的性能测试比较
- Python Django性能测试与优化指南
- python性能优化之函数执行时间分析
- 性能测试平台效率优化的一次经验(python版)
- python 算法的优化及几个基本函数
- [C++] 测试硬件popcnt(位1计数)指令与各种软件算法,利用模板实现静态多态优化性能
- 性能测试平台效率优化的一次经验(python版)
- Python Django性能测试与优化指南
- C#测试代码、函数、方法执行时间,方便进行系统性能评估
- 整型数组处理算法(十一)请实现一个函数:线段重叠(性能优化)。[风林火山]
- 测试优化求解算法的一些简单绘图函数
- opencv,python程序性能检测以及优化函数
- Python Django 性能测试与优化指南
- Python函数性能测试
- Python Django性能测试与优化指南
- 多目标优化的遗传算法及其改进(浮点数编码),对多个函数进行测试
- 使用Python绘制Nginx,Redis等的性能测试图表