Quero esses gráficos nessas duas funções: # Visualização da Função 3 (Himmelblau), já…
- User
Quero esses gráficos nessas duas funções: # Visualização da Função 3 (Himmelblau), já que as funções 1 e 2 têm dimensões mais altas x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) Z = (X**2 + Y - 11)2 + (X + Y2 - 7)**2
Plotando o gráfico de contorno e superfície para a função 3
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 6))
Gráfico de contorno
ax1.contour(X, Y, Z, levels=50, cmap='viridis') ax1.set_title("Contour Plot of Himmelblau's Function (Function 3)") ax1.set_xlabel("x1") ax1.set_ylabel("x2")
Gráfico de superfície 3D
ax3d = fig.add_subplot(122, projection='3d') ax3d.plot_surface(X, Y, Z, cmap='viridis', edgecolor='none') ax3d.set_title("3D Surface Plot of Himmelblau's Function (Function 3)") ax3d.set_xlabel("x1") ax3d.set_ylabel("x2") ax3d.set_zlabel("f(x1, x2)")
plt.tight_layout() plt.show() ------> funções(podemos simplificar o problema com valores de x além de x2 sendo iguais a 1, para podermos plotar): def func1(x): return sum(100 * (x[i+1] - x[i]**2)**2 + (1 - x[i])**2 for i in range(len(x) - 1))
Função 2 (Função Poly)
def func2(x): return sum(x_i4 - 16 * x_i2 + 5 * x_i for x_i in x)
- Assistant
Claro! Vamos gerar os gráficos de contorno e superfície 3D para as Funções 1 e 2, simplificando-as para o caso bidimensional ao fixar todas as variáveis além de ( x_1 ) e ( x_2 ) como 1. Isso permitirá que possamos visualizar as funções em 2D e 3D. Abaixo está o código para cada função:
Função 1 (Função de Rosenbrock)
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # Necessário para projeção 3D # Definindo a Função 1 (Função de Rosenbrock) def func1(x): return sum(100 * (x[i+1] - x[i]**2)**2 + (1 - x[i])**2 for i in range(len(x) - 1)) # Fixando x3, x4, ..., xn como 1 para simplificar def func1_fixed(x1, x2): x = [x1, x2] + [1] * (n - 2) # n é a dimensão total return func1(x) # Definindo a dimensão (n >= 2) n = 5 # Você pode alterar para outra dimensão se desejar # Criando uma grade de valores para x1 e x2 x1_vals = np.linspace(-2, 2, 400) x2_vals = np.linspace(-1, 3, 400) X1, X2 = np.meshgrid(x1_vals, x2_vals) # Calculando os valores de Z para cada ponto na grade Z = np.array([func1_fixed(x1, x2) for x1, x2 in zip(np.ravel(X1), np.ravel(X2))]) Z = Z.reshape(X1.shape) # Plotando o gráfico de contorno e superfície para a Função 1 fig, (ax1, ax3d) = plt.subplots(1, 2, figsize=(14, 6)) # Gráfico de contorno cp = ax1.contour(X1, X2, Z, levels=np.logspace(-1, 3, 35), cmap='viridis') ax1.set_title("Contour Plot of Rosenbrock Function (Function 1)") ax1.set_xlabel("x1") ax1.set_ylabel("x2") ax1.clabel(cp, inline=1, fontsize=8) # Gráfico de superfície 3D ax3d = fig.add_subplot(122, projection='3d') ax3d.plot_surface(X1, X2, Z, cmap='viridis', edgecolor='none', alpha=0.8) ax3d.set_title("3D Surface Plot of Rosenbrock Function (Function 1)") ax3d.set_xlabel("x1") ax3d.set_ylabel("x2") ax3d.set_zlabel("f(x1, x2)") plt.tight_layout() plt.show()Explicação:
- Simplificação: Fixamos todas as variáveis além de ( x_1 ) e ( x_2 ) como 1, o que permite reduzir a função de múltiplas dimensões para duas variáveis.
- Grade de Valores: Utilizamos
np.linspacepara criar uma grade de valores para ( x_1 ) e ( x_2 ) dentro de um intervalo apropriado. - Cálculo de Z: Calculamos os valores da função para cada ponto na grade usando
func1_fixed. - Visualização: Plotamos tanto o gráfico de contorno quanto a superfície 3D para visualizar a função.
Função 2
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # Necessário para projeção 3D # Definindo a Função 2 def func2(x): return sum(x_i**4 - 16 * x_i**2 + 5 * x_i for x_i in x) # Fixando x3, x4, ..., xn como 1 para simplificar def func2_fixed(x1, x2): x = [x1, x2] + [1] * (n - 2) # n é a dimensão total return func2(x) # Definindo a dimensão (n >= 2) n = 5 # Você pode alterar para outra dimensão se desejar # Criando uma grade de valores para x1 e x2 x1_vals = np.linspace(-5, 5, 400) x2_vals = np.linspace(-5, 5, 400) X1, X2 = np.meshgrid(x1_vals, x2_vals) # Calculando os valores de Z para cada ponto na grade Z = np.array([func2_fixed(x1, x2) for x1, x2 in zip(np.ravel(X1), np.ravel(X2))]) Z = Z.reshape(X1.shape) # Plotando o gráfico de contorno e superfície para a Função 2 fig, (ax1, ax3d) = plt.subplots(1, 2, figsize=(14, 6)) # Gráfico de contorno cp = ax1.contour(X1, X2, Z, levels=50, cmap='viridis') ax1.set_title("Contour Plot of Function 2") ax1.set_xlabel("x1") ax1.set_ylabel("x2") ax1.clabel(cp, inline=1, fontsize=8) # Gráfico de superfície 3D ax3d = fig.add_subplot(122, projection='3d') ax3d.plot_surface(X1, X2, Z, cmap='viridis', edgecolor='none', alpha=0.8) ax3d.set_title("3D Surface Plot of Function 2") ax3d.set_xlabel("x1") ax3d.set_ylabel("x2") ax3d.set_zlabel("f(x1, x2)") plt.tight_layout() plt.show()Explicação:
- Simplificação: Assim como na Função 1, fixamos as variáveis além de ( x_1 ) e ( x_2 ) como 1.
- Grade de Valores: Utilizamos um intervalo de (-5) a (5) para ( x_1 ) e ( x_2 ) para capturar as características da função.
- Cálculo de Z: Os valores de ( Z ) são calculados usando a função simplificada
func2_fixed. - Visualização: Os gráficos de contorno e superfície ajudam a visualizar os mínimos e máximos locais da função.
Observações Gerais:
- Dimensão ( n ): Você pode alterar o valor de ( n ) (desde que seja maior ou igual a 2) para explorar como a função se comporta com diferentes números de variáveis fixadas.
- Intervalos: Ajuste os intervalos de ( x_1 ) e ( x_2 ) em
np.linspaceconforme necessário para capturar a região de interesse das funções. - Resolução da Grade: O parâmetro
400emnp.linspacedetermina a resolução da grade. Valores maiores aumentam a resolução, mas também o tempo de computação.
Espero que esses códigos ajudem você a visualizar as Funções 1 e 2!