算法篇——人工蜂群算法python实现.pdfVIP

算法篇——⼈⼯蜂群算法python实现 最终效果与测试函数 1迭代过程 2效果曲线 3测试函数 artiBeeColony.py ⾯向对象的实现⽅式 简单明了。如有转载请注明出处。 直接运⾏ 有bug的评论区私聊 #encoding :utf-8 #author:FuJun WANG from functools import reduce import math import random import copy import matplotlib.pyplot as plt plt.rcParams[font.sans-serif]=[SimHei] #显⽰中⽂标签 plt.rcParams[axes.unicode_ minus] = alse from mpl_toolkits.mplot3d import Axes3D import numpy as np ##默认所有的函数都是求最⼩值问题 class testPro : def __ init__ (self) : self.Pro1=None def Griewank unction(self,x) : itemOne=0 itmeTwo=0 for i,value in enumerate(x) : itemOne+=(value**2)/4000 itmeTwo*=(math.cos(value/math.sqrt(i+1))) return 1+itemOne-itmeTwo def GeneralizeRastrigin(self,x) : s=0 for value in x : s+=(value**2-10*math.cos(2*math.pi*value)+10) return -s def Ackley unction(self,x) : s1=0 s2=0 for value in x : s1+=value**2 s2+=math.cos(2*math.pi*value) s1=s1/len(x) s2=s2/len(x) return -20*math.exp(-0.2*math.sqrt(s1))-math.exp(s2)+20+math.e def showGriewank unction(self,n,bounds) :##可视化函数 :param n: 可视化⼏阶次的函数 ⼀般取2或3 （因为最⾼我们只能可视化三维） :param bounds: 函数的边界 :return: if n==2 : fig=plt.figure() value=[self.Griewank unction(x) for x in np.arange(bounds[0],bounds[1],(bounds[1]-bounds[0])/ 1000)] plt.plot(range(len(value)),value) plt.title(Griewank unction) plt.xlabel(x) plt.ylabel(value) elif n==3 : fig=plt.figure() ax=plt.axes(projection=3d) xx=np.arange(bounds[0],bounds[1],(bounds[1]-bounds[0])/2000) yy=np.arange(bounds[0],bounds[1],(bounds[1]-bounds[0])/2000)