1.修改框架的目标
之前有不少问如下动态图是怎么绘制的？
这个是使用java编写的代码实现的，方式较为复杂，把每一代的位置画在一张图中，然后按次序合成gif动态图。用java实现这种方式非常复杂，必要自己去实现绘制代码，然后生存成图片再合成。单绘制图像的代码就有几百行，而且有不少未办理的bug，好比一些位置的点只能用玄色大概白色才会在动态图中表现。
将代码用matlab实现之后，发现使用matlab绘制动态图要比java轻易一万倍，其结果如图。
以是在这里对优化算法框架举行一个小小的更新，让每个算法都能绘制群体位置动态图。
2．算法框架的修改
使用matlab绘制动态图的原理和使用java绘制的原理一样：即将每一代的全部个体的位置生存下来，然后每一代绘制成一张图，最后按次序合成动态图。
这里我们必要修改的部分由两点：
1.生存全部个体的位置；
2.绘制群体的位置。
图像的表现以及动态图gif的天生，matlab已经帮我们完成，不必要单独去编码实现。
必要修改的代码文件列表：
优化算法matlab实现（二）框架编写中的框架。
文件名描述..\optimization algorithm\frame\Unit.m个体..\optimization algorithm\frame\Algorithm_Impl.m算法主体只必要修改这两个文件即可，不必要修改其他文件。
文件..\optimization algorithm\frame\Unit.m中必要添加个体的汗青位置及生存汗青位置的方法，着实现如下：
% 个体基类classdef Unit< handle properties % 个体的位置 position; % 个体的顺应度值 value; % 记载全部的位置,画图用 position_history_list; end methods function self = Unit() end % 将当前位置生存到position_history_list中 function save(self) self.position_history_list=[self.position_history_list;self.position]; end end end文件..\optimization algorithm\frame\ Algorithm_Impl.m中每一代都必要调用上面的save方法来生存图像，着实现如下：
% 记载最优值for i = 1:self.size if(self.unit_list(i).value>self.value_best) self.value_best = self.unit_list(i).value; self.position_best = self.unit_list(i).position; end % 生存每一代的位置 self.unit_list(i).save();end文件..\optimization algorithm\frame\ Algorithm_Impl.m中必要绘制群体位置的方法，着实现如下：
% 绘制动态图,2维图像：step为步长（几代绘制一张图像），is_save用来判断是否生存gif动态图function draw2_gif(self,step,is_save,name) if self.dim < 2 disp('维度太低，无法绘制图像'); return end if step < 1 step = 1; end f1 = figure; % 遍历每一代 for i = 1:self.iter_max % 假如不满足步长，则跳过 if mod(i,step) > 0 && i>1 % 必须要绘制第一代，否则matlab会报错，缘故起因未知 continue end % 遍历每一个个体 for s = 1:self.size cur_position = self.unit_list(s).position_history_list(i, ; scatter(cur_position(1),cur_position(2),10,'b','filled'); hold on; end % 将笔墨绘制在左上角 text(self.range_min_list(1),self.range_max_list(2),num2str(i),'FontSize',20); % 绘制表现地区 range_size_x = self.range_max_list(1)-self.range_min_list(1); range_size_y = self.range_max_list(2)-self.range_min_list(2); axis([self.range_min_list(1)-0.2*range_size_x,self.range_max_list(1)+0.2*range_size_x, self.range_min_list(2)-0.2*range_size_y, self.range_max_list(2)+0.2*range_size_y]); axis equal; % 固定横纵坐标轴 set(gca,'XLim',[self.range_min_list(1)-0.1*range_size_x self.range_max_list(1)+0.1*range_size_x]); set(gca,'YLim',[self.range_min_list(2)-0.1*range_size_y self.range_max_list(2)+0.1*range_size_y]); % 每0.1绘制一次 pause = 0.1; % 必要生存git则设置is_save = true if is_save %下面是生存为GIF的步调 frame=getframe(gcf); % 返回单帧颜色图像 imind=frame2im(frame); % 颜色转换 [imind,cm] = rgb2ind(imind,256); filename = [name,'_2d.gif']; if i==1 imwrite(imind,cm,filename,'gif', 'Loopcount',inf,'DelayTime',1e-2); else imwrite(imind,cm,filename,'gif','WriteMode','append','DelayTime',pause); end end % 绘制完就扫除，绘制下一代 clf; end % 绘制完成关闭窗口 close(f1); end 上面绘制的是2维动态图，我们可以将其类推至3维，来绘制3维动态图。固然图像最多只能绘制到3维，毕竟我们生存在3维空间，只能直观看到3维。
% 绘制动态图,3维图像：step为步长（几代绘制一张图像），is_save用来判断是否生存gif动态图function draw3_gif(self,step,is_save,name) if self.dim < 3 disp('维度太低，无法绘制三维图像'); return end if step < 1 step = 1; end f1 = figure; % 遍历每一代 for i = 1:self.iter_max % 假如不满足步长，则跳过 if mod(i,step) > 0 && i>1 % 必须要绘制第一代，否则matlab会报错，缘故起因未知 continue end % 遍历每一个个体 for s = 1:self.size cur_position = self.unit_list(s).position_history_list(i,; scatter3(cur_position(1),cur_position(2),cur_position(3),10,'b','filled'); hold on; end % 将笔墨绘制在左上角 text(self.range_min_list(1),self.range_max_list(2),self.range_max_list(3),num2str(i),'FontSize',20); % 绘制表现地区 range_size_x = self.range_max_list(1)-self.range_min_list(1); range_size_y = self.range_max_list(2)-self.range_min_list(2); range_size_z = self.range_max_list(3)-self.range_min_list(3); axis([self.range_min_list(1)-0.2*range_size_x,self.range_max_list(1)+0.2*range_size_x, self.range_min_list(2)-0.2*range_size_y, self.range_max_list(2)+0.2*range_size_y,self.range_min_list(3)-0.2*range_size_z, self.range_max_list(3)+0.2*range_size_z]); axis equal; % 固定横纵坐标轴 set(gca,'XLim',[self.range_min_list(1)-0.1*range_size_x self.range_max_list(1)+0.1*range_size_x]); set(gca,'YLim',[self.range_min_list(2)-0.1*range_size_y self.range_max_list(2)+0.1*range_size_y]); set(gca,'ZLim',[self.range_min_list(3)-0.1*range_size_z self.range_max_list(3)+0.1*range_size_z]) % 每0.1绘制一次 pause = 0.1; % 必要生存git则设置is_save = true if is_save %下面是生存为GIF的步调 frame=getframe(gcf); % 返回单帧颜色图像 imind=frame2im(frame); % 颜色转换 [imind,cm] = rgb2ind(imind,256); filename = [name,'_3d.gif']; if i==1 imwrite(imind,cm,filename,'gif', 'Loopcount',inf,'DelayTime',1e-2); else imwrite(imind,cm,filename,'gif','WriteMode','append','DelayTime',pause); end end % 绘制完就扫除，绘制下一代 clf; end % 绘制完成关闭窗口 close(f1); end3维图像结果如图:
3．完备框架代码
总目次:..\optimization algorithm
框架目次:..\optimization algorithm/frame
框架文件：
文件名描述..\optimization algorithm\frame\Unit.m个体..\optimization algorithm\frame\Algorithm_Impl.m算法主体文件内容：
Unit.m
% 个体基类classdef Unit< handle properties % 个体的位置 position; % 个体的顺应度值 value; % 记载全部的位置,画图用 position_history_list; end methods function self = Unit() end % 将当前位置生存到position_history_list中 function save(self) self.position_history_list=[self.position_history_list;self.position]; end end endAlgorithm_Impl.m
% 优化算法基类classdef Algorithm_Impl < handle properties %当前最优位置 position_best; %当前最优顺应度 value_best; %汗青最优顺应度 value_best_history; %汗青最优位置 position_best_history; %是否为求最大值,默以为是 is_cal_max; %顺应度函数，必要单独传入 fitfunction; % 调用顺应度函数次数 cal_fit_num = 0; end properties(Access = protected) %维度 dim; %种群中个体的数目 size; %最大迭代次数 iter_max; %解空间下界 range_min_list; %解空间上界 range_max_list; %种群列表 unit_list; end methods % 运行，调用入口 function run(self) tic self.init() self.iteration() toc disp(['运行时间: ',num2str(toc)]); end % 绘制动态图,2维图像 function draw2_gif(self,step,is_save,name) if self.dim < 2 disp('维度太低，无法绘制图像'); return end if step < 1 step = 1; end f1 = figure; % 遍历每一代 for i = 1:self.iter_max % 假如不满足步长，则跳过 if mod(i,step) > 0 && i>1 % 必须要绘制第一代，否则matlab会报错，缘故起因未知 continue end % 遍历每一个个体 for s = 1:self.size cur_position = self.unit_list(s).position_history_list(i,; scatter(cur_position(1),cur_position(2),10,'b','filled'); hold on; end % 将笔墨绘制在左上角 text(self.range_min_list(1),self.range_max_list(2),num2str(i),'FontSize',20); % 绘制表现地区 range_size_x = self.range_max_list(1)-self.range_min_list(1); range_size_y = self.range_max_list(2)-self.range_min_list(2); axis([self.range_min_list(1)-0.2*range_size_x,self.range_max_list(1)+0.2*range_size_x, self.range_min_list(2)-0.2*range_size_y, self.range_max_list(2)+0.2*range_size_y]); axis equal; % 固定横纵坐标轴 set(gca,'XLim',[self.range_min_list(1)-0.1*range_size_x self.range_max_list(1)+0.1*range_size_x]); set(gca,'YLim',[self.range_min_list(2)-0.1*range_size_y self.range_max_list(2)+0.1*range_size_y]); % 每0.1绘制一次 pause = 0.1; % 必要生存git则设置is_save = true if is_save %下面是生存为GIF的步调 frame=getframe(gcf); % 返回单帧颜色图像 imind=frame2im(frame); % 颜色转换 [imind,cm] = rgb2ind(imind,256); filename = [name,'_2d.gif']; if i==1 imwrite(imind,cm,filename,'gif', 'Loopcount',inf,'DelayTime',1e-2); else imwrite(imind,cm,filename,'gif','WriteMode','append','DelayTime',pause); end end % 绘制完就扫除，绘制下一代 clf; end % 绘制完成关闭窗口 close(f1); end % 绘制动态图,3维图像 function draw3_gif(self,step,is_save,name) if self.dim < 3 disp('维度太低，无法绘制三维图像'); return end if step < 1 step = 1; end f1 = figure; % 遍历每一代 for i = 1:self.iter_max % 假如不满足步长，则跳过 if mod(i,step) > 0 && i>1 % 必须要绘制第一代，否则matlab会报错，缘故起因未知 continue end % 遍历每一个个体 for s = 1:self.size cur_position = self.unit_list(s).position_history_list(i,; scatter3(cur_position(1),cur_position(2),cur_position(3),10,'b','filled'); hold on; end % 将笔墨绘制在左上角 text(self.range_min_list(1),self.range_max_list(2),self.range_max_list(3),num2str(i),'FontSize',20); % 绘制表现地区 range_size_x = self.range_max_list(1)-self.range_min_list(1); range_size_y = self.range_max_list(2)-self.range_min_list(2); range_size_z = self.range_max_list(3)-self.range_min_list(3); axis([self.range_min_list(1)-0.2*range_size_x,self.range_max_list(1)+0.2*range_size_x, self.range_min_list(2)-0.2*range_size_y, self.range_max_list(2)+0.2*range_size_y,self.range_min_list(3)-0.2*range_size_z, self.range_max_list(3)+0.2*range_size_z]); axis equal; % 固定横纵坐标轴 set(gca,'XLim',[self.range_min_list(1)-0.1*range_size_x self.range_max_list(1)+0.1*range_size_x]); set(gca,'YLim',[self.range_min_list(2)-0.1*range_size_y self.range_max_list(2)+0.1*range_size_y]); set(gca,'ZLim',[self.range_min_list(3)-0.1*range_size_z self.range_max_list(3)+0.1*range_size_z]) % 每0.1绘制一次 pause = 0.1; % 必要生存git则设置is_save = true if is_save %下面是生存为GIF的步调 frame=getframe(gcf); % 返回单帧颜色图像 imind=frame2im(frame); % 颜色转换 [imind,cm] = rgb2ind(imind,256); filename = [name,'_3d.gif']; if i==1 imwrite(imind,cm,filename,'gif', 'Loopcount',inf,'DelayTime',1e-2); else imwrite(imind,cm,filename,'gif','WriteMode','append','DelayTime',pause); end end % 绘制完就扫除，绘制下一代 clf; end % 绘制完成关闭窗口 close(f1); end end methods (Access = protected) % 构造函数 function self = Algorithm_Impl(dim,size,iter_max,range_min_list,range_max_list) self.dim =dim; self.size = size; self.iter_max = iter_max; self.range_min_list = range_min_list; self.range_max_list = range_max_list; %默以为求最大值 self.is_cal_max = true; end % 初始化 function init(self) self.position_best=zeros(1,self.dim); self.value_best_history=[]; self.position_best_history=[]; %设置初始最优值，由于是求最大值，以是设置了最大浮点数的负值 self.value_best = -realmax('double'); end % 开始迭代 function iteration(self) for iter = 1:self.iter_max self.update(iter) end end % 处理处罚一次迭代 function update(self,iter) % 记载最优值 for i = 1:self.size if(self.unit_list(i).value>self.value_best) self.value_best = self.unit_list(i).value; self.position_best = self.unit_list(i).position; end % 生存每一代的位置 self.unit_list(i).save(); end disp(['第' num2str(iter) '代']); if(self.is_cal_max) self.value_best_history(end+1) = self.value_best; disp(['最优值=' num2str(self.value_best)]); else self.value_best_history(end+1) = -self.value_best; disp(['最优值=' num2str(-self.value_best)]); end self.position_best_history = [self.position_best_history;self.position_best]; disp(['最优解=' num2str(self.position_best)]); end function value = cal_fitfunction(self,position) if(isempty(self.fitfunction)) value = 0; else % 假如顺应度函数不为空则返回顺应度值 if(self.is_cal_max) value = self.fitfunction(position); else value = -self.fitfunction(position); end end self.cal_fit_num = self.cal_fit_num+1; end % 越界查抄,超出界限则停留在界限上 function s=get_out_bound_value(self,position,min_list,max_list) if(~exist('min_list','var')) min_list = self.range_min_list; end if(~exist('max_list','var')) max_list = self.range_max_list; end % Apply the lower bound vector position_tmp=position; I=position_tmp<min_list; position_tmp(I)=min_list(I); % Apply the upper bound vector J=position_tmp>max_list; position_tmp(J)=max_list(J); % Update this new move s=position_tmp; end % 越界查抄,超出界限则在解空间内随机初始化 function s=get_out_bound_value_rand(self,position,min_list,max_list) if(~exist('min_list','var')) min_list = self.range_min_list; end if(~exist('max_list','var')) max_list = self.range_max_list; end position_rand = unifrnd(self.range_min_list,self.range_max_list); % Apply the lower bound vector position_tmp=position; I=position_tmp<min_list; position_tmp(I)=position_rand(I); % Apply the upper bound vector J=position_tmp>max_list; position_tmp(J)=position_rand(J); % Update this new move s=position_tmp; end end events endend4.测试代码
使用之前的差分进化算法测试一下动态图的绘制（必要实现优化算法matlab实现（七）差分进化算法matlab实现中的干系代码）。
留意调用方法是必要自行决定步长，即draw2_gif()和draw3_gif中的step参数。步长越小绘制的图片越多，实行的越慢。
测试F1
文件名：..\optimization algorithm\algorithm_differential_evolution\Test.m
%% 清算之前的数据% 扫除全部数据clear all;% 扫除窗口输出clc;%% 添加目次% 将上级目次中的frame文件夹到场路径addpath('../frame')%% 选择测试函数Function_name='F1';%[最小值，最大值，维度，测试函数][lb,ub,dim,fobj]=Get_Functions_details(Function_name);%% 算法实例% 种群数目size = 50;% 最大迭代次数iter_max = 1000;% 取值范围上界range_max_list = ones(1,dim)*ub;% 取值范围下界range_min_list = ones(1,dim)*lb;% 实例化差分进化算法类base = DE_Base(dim,size,iter_max,range_min_list,range_max_list);base.is_cal_max = false;% 确定顺应度函数base.fitfunction = fobj;% 运行base.run();disp(base.cal_fit_num);%% 绘制2维图像，每10代绘制一次，且生存gif图像到当地%base.draw2_gif(10,true,base.name);% 绘制3维图像，每10代绘制一次，且生存gif图像到当地base.draw3_gif(10,true,base.name);%% 绘制图像figure('Position',[500 500 660 290])%Draw search spacesubplot(1,2,1);func_plot(Function_name);title('Parameter space')xlabel('x_1');ylabel('x_2');zlabel([Function_name,'( x_1 , x_2 )'])%Draw objective spacesubplot(1,2,2);% 绘制曲线，由于算法是求最大值，顺应度函数为求最小值，故乘了-1，此时去掉-1semilogy((base.value_best_history),'Color','r')title('Objective space')xlabel('Iteration');ylabel('Best score obtained so far');% 将坐标轴调解为紧凑型axis tight% 添加网格grid on% 四边都表现刻度box offlegend(base.name)display(['The best solution obtained by ',base.name ,' is ', num2str(base.value_best)]);display(['The best optimal value of the objective funciton found by ',base.name ,' is ', num2str(base.position_best)]); |
