如何绘制优化的进度图？

Question

是否有一种方法来绘制函数的累进值，并对其进行优化，优化其微分演化？在下面的绘图部分中，不工作：

from scipy.optimize import rosen, differential_evolution
bounds = [(0, 5), (0, 5), (0, 5), (0, 5), (0, 5)]
result = differential_evolution(rosen, bounds, disp=False)
print(result.x, result.fun)
import matplotlib.pyplot as plt
x, f = zip(*result)
plt.plot(x, f)

Answer 1

注意:我最初回答了这个问题，认为您需要的是优化器的路径，而不是优化过程中的值。我更新了答案，以便两者都显示出来，但您可能只对第二幅图感兴趣。

differential_evolution返回的对象不包含指向结果的路径，也不包含沿途的值。但是，您可以使用callback参数来提供在每次迭代中调用的回调函数。然后，该回调可以记录进度。

例如：

progress = []
progress_err = []

def cb(x, convergence):
    progress.append(x)
    progress_val.append(rosen(x))

bounds = [(0, 5), (0, 5), (0, 5), (0, 5), (0, 5)]
result = differential_evolution(rosen, bounds, disp=False, callback=cb)

progress = np.array(progress)
progress_val = np.array(progress_val)

由于您似乎想优化5D Rosenbrock函数，整个路径的可视化变得有点棘手。如果我选择只显示前两个坐标(+值，这是您实际要问的)，即

fig = plt.figure()
ax = fig.add_subplot(2,1,1)
ax.plot(progress[:, 0], progress[:, 1])
ax = fig.add_subplot(2,1,2)
ax.plot(progress_val)
plt.show()

我得到了

​

​

这个价值，也就是我刚刚意识到的你真正想要的，是最底层的情节。如果您不需要路径本身，则忽略代码中与progress相关的任何内容。

当然，你的结果可能看上去不一样，因为我们的随机种子，以及我们通向最佳状态的道路，是不同的。