Matplotlib 등고선 플롯으로 시각화 최적화

소개

이 랩에서는 Python 의 Matplotlib 을 사용하여 등고선 플롯을 생성하는 과정을 안내합니다. 더 큰 값을 가진 곡선을 생성하는 방법과 제약 조건 경계의 유효 및 무효 측면을 구별하기 위해 ~matplotlib.patheffects.TickedStroke를 사용하는 방법을 배우게 됩니다.

VM 팁

VM 시작이 완료되면, 왼쪽 상단을 클릭하여 Notebook 탭으로 전환하여 실습을 위해 Jupyter Notebook에 접속하십시오.

때로는 Jupyter Notebook 이 로딩을 완료하는 데 몇 초 정도 기다려야 할 수 있습니다. Jupyter Notebook 의 제한으로 인해 작업의 유효성 검사는 자동화될 수 없습니다.

학습 중 문제가 발생하면 언제든지 Labby 에게 문의하십시오. 세션 후 피드백을 제공해주시면 문제를 신속하게 해결해 드리겠습니다.

필요한 라이브러리 가져오기

시작하려면 필요한 라이브러리를 가져와야 합니다. 등고선 플롯을 생성하려면 Matplotlib 과 NumPy 가 필요합니다.

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import patheffects

조사 벡터 및 행렬 설정

다음으로, 조사 벡터와 행렬을 설정합니다. 디스크 로딩과 기어비를 설계합니다.

nx = 101
ny = 105

## Set up survey vectors
xvec = np.linspace(0.001, 4.0, nx)
yvec = np.linspace(0.001, 4.0, ny)

## Set up survey matrices.  Design disk loading and gear ratio.
x1, x2 = np.meshgrid(xvec, yvec)

플롯할 데이터 평가

이제 플롯할 데이터를 평가합니다. 이 예제에서는 목적 함수 (objective function) g1, g2, g3를 플롯합니다.

## Evaluate some stuff to plot
obj = x1**2 + x2**2 - 2*x1 - 2*x2 + 2
g1 = -(3*x1 + x2 - 5.5)
g2 = -(x1 + 2*x2 - 4.5)
g3 = 0.8 + x1**-3 - x2

등고선 플롯 생성

이제 ax.contour() 메서드를 사용하여 등고선 플롯을 생성합니다. 이 메서드는 목적 함수의 지형을 표현하고 제약 조건 함수의 경계 곡선을 생성하는 데 사용됩니다.

fig, ax = plt.subplots(figsize=(6, 6))

cntr = ax.contour(x1, x2, obj, [0.01, 0.1, 0.5, 1, 2, 4, 8, 16], colors='black')
ax.clabel(cntr, fmt="%2.1f", use_clabeltext=True)

cg1 = ax.contour(x1, x2, g1, [0], colors='sandybrown')
plt.setp(cg1.collections, path_effects=[patheffects.withTickedStroke(angle=135)])

cg2 = ax.contour(x1, x2, g2, [0], colors='orangered')
plt.setp(cg2.collections, path_effects=[patheffects.withTickedStroke(angle=60, length=2)])

cg3 = ax.contour(x1, x2, g3, [0], colors='mediumblue')
plt.setp(cg3.collections, path_effects=[patheffects.withTickedStroke(spacing=7)])

ax.set_xlim(0, 4)
ax.set_ylim(0, 4)

plt.show()

결과 해석

결과 플롯은 목적 함수의 지형과 제약 조건 함수의 경계 곡선을 보여줍니다. ~matplotlib.patheffects.TickedStroke는 제약 조건 경계의 유효한 측면과 유효하지 않은 측면을 구별하는 데 사용됩니다.

요약

이 랩에서는 Python 에서 Matplotlib 을 사용하여 등고선 플롯을 생성하는 방법을 배웠습니다. 또한 더 큰 값을 가진 곡선을 생성하는 방법과 ~matplotlib.patheffects.TickedStroke를 사용하여 제약 조건 경계의 유효한 측면과 유효하지 않은 측면을 구별하는 방법을 배웠습니다.

Matplotlib 를 이용한 최적화 등고선 플롯

소개