python實現:目標優化演算法——遺傳演算法
#### 簡單案例:
python畫三維圖
max f (x1, x2) = 21.5 + x1·sin(4 pi x1) + x2·sin(20 pi x2)
s. t. -3.0 <= x1 <= 12.1
4.1 <= x2 <= 5.8
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X,Y = np.mgrid[-3:12.1:20j,4.1:5.8:20j]
Z = 21.5 + X * np.sin(4 * np.pi * X) + Y * np.sin(20 * np.pi * Y)
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')
plt.show()
python畫三維圖
相關文章
- 多目標遺傳演算法NSGA-Ⅱ與其Python實現多目標投資組合優化問題演算法Python優化
- 智慧優化演算法——python實現免疫遺傳演算法的影像擬合優化演算法Python
- 【多目標優化演算法】非支配的精英策略遺傳演算法:NSGA-II優化演算法
- Python遺傳演算法工具箱的使用(一)求解帶約束的單目標優化Python演算法優化
- Python遺傳演算法框架使用例項(二)多目標優化問題Geatpy for Python與Matlab的對比學習Python演算法框架優化Matlab
- Python-遺傳演算法君主交叉程式碼實現Python演算法
- 目標匹配:匈牙利演算法的python實現演算法Python
- 利用遺傳演算法庫DEAP優化交易策略演算法優化
- python遺傳演算法(詳解)Python演算法
- 如何學習python遺傳演算法?Python演算法
- 遺傳演算法演算法
- 社群發現之標籤傳播演算法(LPA)python實現演算法Python
- 【智慧優化演算法】遺傳演算法的精英選擇策略、期望選擇策略優化演算法
- 遺傳演算法求解TSP問題(python版)演算法Python
- 遺傳演算法詳解與實驗演算法
- MATLAB實戰系列(十一)-多種群遺傳演算法的函式優化演算法(附MATLAB程式碼)Matlab演算法函式優化
- 多目標優化演算法(一)NSGA-Ⅱ(NSGA2)優化演算法
- 寫了一個類GeneticOptimizeStrategy,針對VNPY策略遺傳演算法優化演算法優化
- 使用MPI並行化遺傳演算法框架GAFT並行演算法框架
- 【目標檢測】Fast R-CNN演算法實現ASTCNN演算法
- 遺傳演算法的基本框架演算法框架
- 遺傳演算法(一):Basic GA演算法
- 透過MATLAB分別對比二進位制編碼遺傳最佳化演算法和實數編碼遺傳最佳化演算法Matlab演算法
- 如何發現品牌潛客?目標人群優選演算法模型及實踐解析演算法模型
- 10分鐘搞懂遺傳演算法演算法
- 人工智慧 (13) 遺傳演算法人工智慧演算法
- 粒子群演算法和遺傳演算法的比較演算法
- 遺傳演算法解決函式最佳化問題演算法函式
- 基於Python的遺傳演算法特徵約簡(附程式碼)Python演算法特徵
- 遺傳演算法組卷使用心得演算法
- 遺傳演算法解決TSP問題演算法
- FM演算法python實現演算法Python
- python實現冒泡演算法Python演算法
- python實現FM演算法Python演算法
- 目標跟蹤演算法概述演算法
- 用遺傳演算法進行特徵選擇演算法特徵
- Unity中利用遺傳演算法訓練MLPUnity演算法
- 粒子群優化演算法對BP神經網路優化 Matlab實現優化演算法神經網路Matlab
- 演算法金 | 最難的來了:超引數網格搜尋、貝葉斯最佳化、遺傳演算法、模型特異化、Hyperopt、Optuna、多目標最佳化、非同步並行最佳化演算法模型非同步並行