写一段woa优化svm中画平均适应度曲线图的代码

以下是一段用Python实现的画平均适应度曲线图的代码，可以用于woa优化svm中的实验结果展示：

import numpy as np
import matplotlib.pyplot as plt

# 生成随机平均适应度数据
num_generations = 50
num_runs = 5
avg_fitness = np.random.rand(num_generations, num_runs)

# 计算平均适应度的均值和标准差
mean_fitness = np.mean(avg_fitness, axis=1)
std_fitness = np.std(avg_fitness, axis=1)

# 画出平均适应度曲线图
plt.plot(range(num_generations), mean_fitness, 'b-', label='average fitness')
plt.fill_between(range(num_generations), mean_fitness-std_fitness, mean_fitness+std_fitness, alpha=0.3)
plt.xlabel('Generation')
plt.ylabel('Fitness')
plt.legend(loc='best')
plt.show()

其中，`num_generations`表示迭代次数，`num_runs`表示实验重复次数，`avg_fitness`是一个`num_generations x num_runs`的数组，存储了每次实验的平均适应度数据。代码中通过`np.mean`和`np.std`函数计算了平均适应度的均值和标准差，并通过`plt.plot`和`plt.fill_between`函数画出了平均适应度曲线图。