用numpy和matplotlib解决参数辨识问题

适用范围

本文对参数辨识以及相关优化问题进行总结，并给出实现代码和流程。这类问题特点如下：
（1）需要对目标函数进行多次计算，并且保存每次计算时所用的全部参数
（2）计算完后需要从存储的函数中选优，提取最优解以及对应参数
（3）需要批量绘图，得到迭代规律和每种参数的变化规律
例子：
（1）采用动态规划法求最小油耗：优化方法为动态规划法（论文中），目标函数为油耗，参数为划分的航段（或时段）、每个状态上的点的位置和个数
（2）船舶在风浪中航行的参数辨识，主要辨识出风浪对船舶的影响参数。
本文以例（2）为例讲解，优化方法以模拟退火算法为例。

存储数据

错误做法：先建立空list，再根据循环一个个append。坏处：极有可能出现浅拷贝，且list维度不够，必须建立多个list
正确做法：建立一个多维数组，比如三维数组np.zeros([2,3,100])，2表示退火的随机初始次数，3表示参数个数，100表示迭代次数，用来存储每次迭代的参数值（后面绘制迭代曲线图）。

批量绘制多图

subplot()格式如下：
subplot( numRows, numCols, plotNum)
整个Figure会被划分为numRows行，numCols列，并从左往右，从上往下编号为1，2…也就是说plotNum指定了子图所在的位置，此外，如果三个参数的都小于10，则可以简写在一起，例如：subplot(4, 3, 2)也可以写成 subplot(432)
根据以上信息，采用subplot()绘制多图的代码为：

import matplotlib.pyplot as plt
plt.figure(figsize=(5,4))#设置图像总大小，注意先设置大小再绘图
sub_plot=[231,232,233,234,235,236]
for i in range(len(sub_plot)):
	plt.subplot(sub_plot[i])
	plt.plot(x1[num],y1[num])#x1,y1是二维array，Num表示选取第num行
#如果多于10张图，则不能用类似(234)形式，需要用(2,3,4)
for i in range(10,13):
	plt.subplot(5,3,i)
	plt.plot(x1[num],yi[num])
plt.show()

绘制图像所示，第一张为目标函数迭代曲线，剩下的为各个参数迭代曲线。