Ejemplos
================================================================================



.. code-block:: python

    import numpy as np
    import random
    import warnings
    import random
    import copy
    import pandas as pd
    import time
    import matplotlib
    import matplotlib.pyplot as plt
    from datetime import datetime
    
    # Función objetivo que se quiere minimizar
    def funcion_objetivo(x_0, x_1):
        """
        Para la región acotada entre −10<=x_0<=0 y −6.5<=x_1<=0 la función tiene
        múltiples mínimos locales y un único minimo global que se encuentra en
        f(−3.1302468,−1.5821422) = −106.7645367
        """
        f = np.sin(x_1)*np.exp(1-np.cos(x_0))**2 \
            + np.cos(x_0)*np.exp(1-np.sin(x_1))**2 \
            + (x_0-x_1)**2
        return(f)
    
    # Contour plot función objetivo
    x_0 = np.linspace(start = -10, stop = 0, num = 100)
    x_1 = np.linspace(start = -6.5, stop = 0, num = 100)
    x_0, x_1 = np.meshgrid(x_0, x_1)
    z = funcion_objetivo(x_0, x_1)
    plt.contour(x_0, x_1, z, 35, cmap='RdGy')
    
    enjambre = Enjambre(
                   n_particulas = 50,
                   n_variables  = 2,
                   limites_inf  = [-10, -6.5],
                   limites_sup  = [0, 0],
                   verbose      = False
                )
    
    enjambre.optimizar(
        funcion_objetivo = funcion_objetivo,
        optimizacion     = "minimizar",
        n_iteraciones    = 250,
        inercia          = 0.8,
        reduc_inercia    = True,
        inercia_max      = 0.9,
        inercia_min      = 0.4,
        peso_cognitivo   = 1,
        peso_social      = 2,
        parada_temprana  = True,
        rondas_parada    = 5,
        tolerancia_parada = 10**-8,
        verbose          = False
    )
    
    enjambre
    
    # Evolución de la optimización
    enjambre.resultados_df['mejor_valor_enjambre'].plot()
    
    # Representación evolución partículas gráfico animado
    import matplotlib.animation as animation
    import plotly_express as px
    
    def extraer_posicion(particula):
        posicion = particula.posicion
        return(posicion)
    
    lista_df_temp = []
    
    for i in np.arange(len(enjambre.historico_particulas)):
        posiciones = list(map(extraer_posicion, enjambre.historico_particulas[i]))
        df_temp = pd.DataFrame({"iteracion": i, "posicion": posiciones})
        lista_df_temp.append(df_temp)
    
    df_posiciones = pd.concat(lista_df_temp)
    
    df_posiciones[['x_0','x_1']] = pd.DataFrame(df_posiciones["posicion"].values.tolist(),
                                                index= df_posiciones.index)
    
    df_posiciones.head()
    
    px.scatter(
        df_posiciones,
        x       = "x_0",
        y       = "x_1",
        range_x = [-10, 0],
        range_y = [-6.5, 0],
        animation_frame = "iteracion"
    )
    
    fig = plt.figure(figsize=(8,5))
    plt.xlim(-10,0)
    plt.ylim(-6.5,0)
    
    def animate(i):
        p2 = fig.clear()
        plt.xlim(-10,0)
        plt.ylim(-6.5,0)
        df_posiciones_i = df_posiciones[df_posiciones["iteracion"] == i][["x_0", "x_1"]]
        p1 = plt.contour(x_0, x_1, z, 35, cmap='RdGy')
        p2 = plt.scatter(df_posiciones_i["x_0"], df_posiciones_i["x_1"])
    
    ani = matplotlib.animation.FuncAnimation(fig, animate, repeat=True, blit=True)
    plt.show()