visualization

国赛/美赛级高颜值学术可视化绘图套件 (Visualization Toolkit)

本模块专为数学建模竞赛（CUMCM、MCM/ICM）打造，提供 Nature / Science / IEEE 顶刊级学术配色与标准排版，告别 Excel / Matplotlib 默认低质图表。

---

🎨 快速使用示例

1. 统一学术配色系统

from visualization import set_academic_style, SCIENCE_PALETTE
import matplotlib.pyplot as plt

# 一键激活顶刊排版规范（包含中文字体与 LaTeX 负号自适应）
set_academic_style()

2. 多目标优化 3D Pareto 前沿曲面

from visualization import plot_pareto_front_3d
import numpy as np

f1 = np.random.uniform(0, 10, 100)
f2 = np.random.uniform(0, 10, 100)
f3 = 100 - (f1**2 + f2**2)

plot_pareto_front_3d(f1, f2, f3, save_path="pareto_3d.png")

3. 多算法收敛曲线对比（带置信带阴影）

from visualization import plot_convergence_comparison
import numpy as np

iters = np.arange(1, 101)
ga_data = np.random.normal(50, 5, (10, 100))  # 10 次独立运行
pso_data = np.random.normal(40, 3, (10, 100))

plot_convergence_comparison(
    iterations=iters,
    results_dict={"遗传算法 (GA)": ga_data, "粒子群算法 (PSO)": pso_data},
    save_path="convergence.png"
)

4. 双参数二维交叉扰动灵敏度热力图

from visualization import plot_sensitivity_heatmap
import numpy as np

p1 = np.linspace(-20, 20, 20)
p2 = np.linspace(-20, 20, 20)
P1, P2 = np.meshgrid(p1, p2)
response = 1.5 * P1 - 0.8 * P2

plot_sensitivity_heatmap(p1, p2, response, save_path="sensitivity_heatmap.png")