智能优化算法六种常见图—参数空间图、搜索历史图、第一维度轨迹图、多样性曲线、平均适应度曲线、收敛曲线图（以黏菌算法为例）

一、基本介绍：

智能优化算法六种常见图绘制—参数空间图、搜索历史图、第一维度轨迹图、多样性曲线、平均适应度曲线、收敛曲线图。一篇文章有几张高颜值的图片，能给审稿人留下良好的第一印象。以上这些图像均可用于仿真实验中。各图像功能如下：

1、参数空间图：能反映搜索空间的形态，特别对于多峰函数，能展示其大量的局部最优；

2、搜索历史图：能描述整个迭代过程种群的收敛趋势，如果最终结果显示在全局最优周围有大量的搜索个体，这表明算法具有良好的收敛性能；

3、第一维度轨迹图：反映的是在迭代期间，整个种群的第一个维度的取值。它的波动情况一般是在迭代初期较为剧烈，因为算法在进行全局探索，而迭代后期则趋于平稳，说明算法正在向全局最优收敛；

4、多样性曲线：迭代前期较高的多样性值有利于算法进行全局探索，发现更多高质量的解，而迭代后期较小的多样性值利于算法收敛。(多样性与收敛性是一对矛盾体，很多文章中也将平衡算法的探索与开发解释为平衡多样性与收敛性)；

5、平均适应度曲线与收敛曲线：用来反映算法整体的收敛性能。

代码获取：

二、多样性值的计算公式参考如下文献：

Hussain K, Salleh M N M, Cheng S, et al. On the exploration and exploitation in popular swarm-based metaheuristic algorithms[J]. Neural Computing and Applications (SCI三区), 2019, 31: 7665-7683.

三、算法效果图—以黏菌优化算法(SMA)在单峰函数F5、F7，多峰函数F10上的表现为例

1、F5

2、F7