数学规划作业(MatLab) 1、某厂向用户提供发动机，合同规定，第一、二、三季度末分别交货40台、60台、80台．每季度的生产费用为()2 =+ f x ax bx （单位:元）, 其中x是该季度生产的台数．若交货后有剩余，可用于下季度交货，但需支付存储费，每台每季度c元．已知工厂每季度最大生产能力为100台，第一季度开始时无存货，设a=50、b=0.2、c=4，问:工厂应如何安排生产计划，才能既满足合同又使总费用最低．讨论a、b、c变化对计划的影响，并作出合理的解释． 解： 问题的分析和假设： 分析： 问题的关键在于由于工厂的生产能力足以满足每个季度用户的需求，但是为了使总费用最少，那么利用每个季度生产费用的不同，可用利用上个生产费用低的季度多生产来为下个季度进行准备，前提是本月节省下的费用减去总的发动机存储费用还有剩余，这样生产才有价值，才可能满足合同的同时又能使总费用最低。基本假设：1工厂的生产能力不受外界环境因素影响。2为使总费用最低，又能满足合同要求，各个季度之间的生产数量之间是有联系的。3第一季度开始时无存货。4工厂每季度的生关费用与本季度生产的发动机台数有关。5生产要按定单的数量来进行，生产的数量应和订单的数量相同，以避免生产出无用的机器。 符号规定：X1―――第一季度生产发动机的数量 X2―――第二季度生产发动机的数量
X3―――第三季度生产发动机的数量 建模： 1.三个季度发动机的总的生产量为180台。 2.每个季度的生产量和库存机器的数量之和要大于等于本季度的交货数量。 3.每个月的生产数量要符合工厂的生产能力。 4.将实际问题转化为非线性规划问题，建立非线性规划模型 目标函数 min f(x)=50(x1+x2+x3)+0.2(x12+x22+x32)+4(x1-40)+4(x1+x2-100) 整理，得 min f(x)=50(x1+x2+x3)+0.2(x12+x22+x32)＋4(2x1+x2-140) 约束函数s.t x1+x2≥100; x1+x2+x3=180; 40≤x1≤100; 0≤x2≤100; 0≤x3≤100; 求解的Matlab程序代码： M-文件 fun.m: function f=fun (x); f=50*(x(1)+x(2)+x(3))+0.2*(x(1)^2+x(2)^2+x(3)^2)+4*(2*x(1) +x(2)-140)主程序fxxgh.m：
′ú??ò?￡o % ?a?ü1y3ì?°??ò??ü??í3?? clear clc fid1=fopen('mingwen1.txt','r'); str1=fgets(fid1); fclose(fid1); fid2=fopen('jiemihou1.txt','r'); str2=fgets(fid2); fclose(fid2); % é?è￥μ￥′ê????μ?????oí±êμ?·?o? ad=find(str2==',');str2(ad)='';ad=find(str2=='.');str2(ad)='';ad=find(str2==';') ;str2(ad)=''; ad=find(str2=='''');str2(ad)='';ad=find(str2=='?');str2(ad)='';ad=find(str2=='￡o');str2(ad)=''; ad=find(str2=='"');str2(ad)='';ad=find(str2=='-');str2(ad)='';ad=find(str2= ='/');str2(ad)=''; ad=find(str2==' ');str2(ad)=''; for i=0:25; ad=find(str1=='A'+i);str1(ad)='a'+i; end for i=0:25; ad=find(str2=='A'+i);str2(ad)='a'+i; end n1(1,26)=0; n2(1,26)=0; n1(1)=sum(str1=='a');n2(1)=sum(str2=='a'); n1(2)=sum(str1=='b');n2(2)=sum(str2=='b'); n1(3)=sum(str1=='c');n2(3)=sum(str2=='c'); n1(4)=sum(str1=='d');n2(4)=sum(str2=='d'); n1(5)=sum(str1=='e');n2(5)=sum(str2=='e'); n1(6)=sum(str1=='f');n2(6)=sum(str2=='f'); n1(7)=sum(str1=='g');n2(7)=sum(str2=='g'); n1(8)=sum(str1=='h');n2(8)=sum(str2=='h'); n1(9)=sum(str1=='i');n2(9)=sum(str2=='i'); n1(10)=sum(str1=='j');n2(10)=sum(str2=='j'); n1(11)=sum(str1=='k');n2(11)=sum(str2=='k'); n1(12)=sum(str1=='l');n2(12)=sum(str2=='l'); n1(13)=sum(str1=='m');n2(13)=sum(str2=='m'); n1(14)=sum(str1=='n');n2(14)=sum(str2=='n'); n1(15)=sum(str1=='o');n2(15)=sum(str2=='o');
第1讲MATLAB及 在数学建模中的应用 ? MatLab简介及基本运算?常用计算方法 ?应用实例
一、 MatLab简介及基本运算 1.1 MatLab简介 1.2 MatLab界面 1.3 MatLab基本数学运算 1.4 MatLab绘图
1.1 MatLab简介?MATLAB名字由MATrix和 LABoratory 两词组成。20世纪七十年代后期, 美国新墨西哥大学计算机科学系主任Cleve Moler教授为减轻学生编程负担，为学生设计了一组调用LINPACK和EISPACK库程序的“通俗易用”的接口，此即用FORTRAN编写的萌芽状态的MATLAB。
?经几年的校际流传，在Little的推动下，由Little、Moler、Steve Bangert合作，于1984年成立了MathWorks公司，并把MATLAB正式推向市场。从这时起，MATLAB的内核采用C语言编写，而且除原有的数值计算能力外，还新增了数据图视功能。
?1997年春，MATLAB5.0版问世，紧接着是5.1、5.2、5.3、6.0、6.1、6.5、7.0版。现今的MATLAB拥有更丰富的数据类型和结构、更友善的面向对象、更加快速精良的图形可视、更广博的数学和数据分析资源、更多的应用开发工具。 ?20世纪九十年代的时候，MATLAB已经成为国际控制界公认的标准计算软件。
?MATLAB具有用法简易、可灵活运用、程式结构强又兼具延展性。以下为其几个特色： ①可靠的数值运算和符号计算。在MATLAB环境中，有超过500种数学、统计、科学及工程方面的函 数可使用。 ②强大的绘图功能。 MATLAB可以绘制各种图形，包括二维和三维图形。 ③简单易学的语言体系。 ④为数众多的应用工具箱。
Matlab图形绘制经典案例 1、 三维曲线 >> t=0:pi/50:10*pi; >> plot3(sin(2*t),cos(2*t),t) >> axis square >> grid on
2、一窗口多图形>> t=-2*pi:0.01:2*pi; >> subplot(3,2,1)
>> plot(t,sin(t)) >> subplot(3,2,2) >> plot(t,cos(t)) >> subplot(3,2,3) >> plot(t,tan(t)) >> axis([-pi pi -100 100]) >> subplot(3,2,4) >> plot(t,cot(t)) >> axis([-pi pi -100 100]) >> subplot(3,2,5) >> plot(t,atan(t)) >> subplot(3,2,6) >> plot(t,acot(t))
3、图形样式、标注、题字(也可以利用菜单直接Insert) >> x=0:pi/20:2*pi;
>> plot(x,sin(x),'b-.') >> hold on >> plot(x,cos(x),'r--') >> hold on >> plot(x,sin(x)-1,'g:') >> hold on >> plot(x,cos(x)-1) >> xlabel('x'); >> xlabel('x轴'); >> ylabel('y轴'); >> title('图形样式、标注等'); >> text(pi,sin(pi),'x=\pi'); >> legend('sin(x)','cos(x)','sin(x)-1','cos(x)-1'); >> [x1,y1]=ginput(1) %利用鼠标定位查找线上某点的值x1 = 2.0893 y1 = -0.5000 >> gtext('x=2.5') %鼠标定位放置所需的值在线上
数学实验与数学建模 实验报告 学院： 专业班级： 姓名： 学号： 完成时间：年月日
承 诺 书 本人承诺所呈交的数学实验与数学建模作业都是本人通过学习自行进行编程独立完成，所有结果都通过上机验证，无转载或抄袭他人，也未经他人转载或抄袭。若承诺不实，本人愿意承担一切责任。 承诺人： 年 月 日 数学实验学习体会 （每个人必须要写字数1200字以上，占总成绩的20%） 练习1 一元函数的图形 1． 画出x y arcsin =的图象. 2． 画出x y sec =在],0[π之间的图象. 3． 在同一坐标系中画出x y =，2x y =，3 x y = ，3x y =，x y =的图象. 4． 画出3 2 3 2)1()1()(x x x f + +-=的图象，并根据图象特点指出函数)(x f 的奇偶性. 5． 画出)2ln(1++=x y 及其反函数的图象. 6． 画出3 21+=x y 及其反函数的图象.
练习2 函数极限 1．计算下列函数的极限. (1) x x x 4 cos 1 2 sin 1 lim 4 - + π → . 程序： sym x; f=(1+sin(2*x))/(1-cos(4*x)); limit(f,x,pi/4) 运行结果： lx21 ans = 1 (2). 程序： sym x; f=(1+cos(x))^(3*sec(x)); limit(f,x,pi/2) 运行结果： lx22 ans = exp(3) (3) 2 2 ) 2 ( sin ln lim x x x - π π → . 程序： sym x; f=log(sin(x))/(pi-2*x)^2; limit(f,x,pi/2) 运行结果： lx23 ans = -1/8 (4) 2 1 2 lim x x e x →. 程序： x x x sec 3 2 ) cos 1( lim+ π →
第四章作业 第二题： 针对严重的交通情况，国家质量监督检验检疫局发布的国家标准，车辆驾驶人员血液中的酒精含量大于或等于20mg/100ml,小于80mg/100ml 为饮酒驾车，血液中的酒精含量大于或等于80mg/100ml 的为醉酒驾车。 下面分别考虑大李在很短时间内和较长时间内（如2个小时）喝了三瓶啤酒，多长时间内驾车就会违反新的国家标准。 1、 问题假设 大李在短时间内喝下三瓶啤酒后，酒精先从吸收室（肠胃）吸收进中心室（血液和体液），然后从中心室向体外排除，忽略喝酒的时间，根据生理学知识，假设 （1） 吸收室在初始时刻t=0时，酒精量立即为 32 D ;在任意时刻，酒精从吸收室吸收进中心室的速率（吸收室在单位时间内酒精含量的减少量）与吸收室的酒精含量成正比，比例系数为1k ； （2） 中心室的容积V 保持不变；在初始时刻t=0时，中心室的酒精含量为0；在任意时 刻，酒精从中心室向体外排除的速率（中心室在单位时间内酒精含量的减少量）与 中心室的酒精含量成正比，比例系数为2k ； （3） 在大李适度饮酒没有酒精中毒的前提下，假设1k 和2k 都是常量，与饮酒量无关。 2、 符号说明 酒精量是指纯酒精的质量，单位是毫克； 酒精含量是指纯酒精的浓度，单位是毫克/百毫升； ~t 时刻（小时） ； ()~x t 在时刻t 吸收室（肠胃）内的酒精量（毫克） ； 0~D 两瓶酒的酒精量（毫克）； (t)~c 在时刻t 吸收室（血液和体液）的酒精含量（毫克/百毫升） ； 2()~c t 在时刻t 中心室（血液和体液）的酒精含量（毫克/百毫升）； ~V 中心室的容积（百毫升） ； 1~k 酒精从吸收室吸收进中心室的速率系数（假设其为常数2.0079）； 2~k 酒精从中心室向体外排除的速率系数（假设其为常数0.1855）； 3~k 在短时间喝下三瓶酒的假设下是指短时间喝下的三瓶酒的酒精总量除以中心室体积， 即03/2D V ；而在较长时间内（2小时内）喝下三瓶酒的假设下就特指03/4D V .
MATLAB统计分析与应用：40个案例分析 ISBN:9787512400849 分类号:C819 /115 出版社:北京航空航天大学出版社 【内容简介】 本书从实际应用的角度出发，以大量的案例详细介绍了MA TLAB环境下的统计分析与应用。 本书主要内容包括：利用MA TLAB制作统计报告或报表；从文件中读取数据到MA TLAB；从MA TLAB中导出数据到文件；数据的平滑处理、标准化变换和极差归一化变换；生成一元和多元分布随机数；蒙特卡洛方法；参数估计与假设检验；Copula理论及应用实例；方差分析；基于回归分析的数据拟合；聚类分析；判别分析；主成分分析；因子分析；图像处理中的统计应用等。 本书可以作为高等院校本科生、研究生的统计学相关课程的教材或教学参考书，也可作为从事数据分析与数据管理的研究人员的参考用书。 【目录】 第1章利用MA TLAB生成Word和Excel文档 1.1 组件对象模型(COM) 1.1.1 什么是CoM 1.1.2 CoM接口 1.2 MA TLAB中的ActiveX控件接口技术 1.2.1 actxcontrol函数 1.2.2 actxcontrollist函数 1.2.3 actxcontrolselect函数 1.2.4 actxserver函数 1.2.5 利用MA TLAB调用COM对象 1.2.6 调用actxserver函数创建组件服务器 1.3 案例1：利用MA TLAB生成Word文档 1.3.1 调用actxserver函数创建Microsoft Word服务器 1.3.2 建立Word文本文档 1.3.3 插入表格 1.3.4 插入图片 1.3.5 保存文档 1.3.6 完整代码 1.4 案例2：利用MA TLAB生成Excel文档 1.4.1 调用actxserver函数创建Microsoft Excel服务器 1.4.2 新建Excel工作簿 1.4.3 获取工作表对象句柄 1.4.4 插入、复制、删除、移动和重命名工作表 1.4.5 页面设置 1.4.6 选取工作表区域 1.4.7 设置行高和列宽 1.4.8 合并单元格 1.4.9 边框设置 1.4.10 设置单元格对齐方式
MATLAB 智能算法30个案例分析（终极版） 1 基于遗传算法的TSP算法（王辉） 2 基于遗传算法和非线性规划的函数寻优算法（史峰） 3 基于遗传算法的BP神经网络优化算法（王辉） 4 设菲尔德大学的MATLAB遗传算法工具箱（王辉） 5 基于遗传算法的LQR控制优化算法（胡斐） 6 遗传算法工具箱详解及应用（胡斐） 7 多种群遗传算法的函数优化算法（王辉） 8 基于量子遗传算法的函数寻优算法（王辉） 9 多目标Pareto最优解搜索算法（胡斐） 10 基于多目标Pareto的二维背包搜索算法（史峰） 11 基于免疫算法的柔性车间调度算法（史峰） 12 基于免疫算法的运输中心规划算法（史峰） 13 基于粒子群算法的函数寻优算法（史峰） 14 基于粒子群算法的PID控制优化算法（史峰） 15 基于混合粒子群算法的TSP寻优算法（史峰） 16 基于动态粒子群算法的动态环境寻优算法（史峰） 17 粒子群算法工具箱（史峰） 18 基于鱼群算法的函数寻优算法（王辉） 19 基于模拟退火算法的TSP算法（王辉） 20 基于遗传模拟退火算法的聚类算法（王辉） 21 基于模拟退火算法的HEV能量管理策略参数优化（胡斐）
22 蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊） 23 基于蚁群算法的二维路径规划算法（史峰） 24 基于蚁群算法的三维路径规划算法（史峰） 25 有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊） 26 有导师学习神经网络的分类——鸢尾花种类识别（郁磊） 27 无导师学习神经网络的分类——矿井突水水源判别（郁磊） 28 支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊） 29 支持向量机的回归拟合——混凝土抗压强度预测（郁磊） 30 极限学习机的回归拟合及分类——对比实验研究（郁磊） 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更难用它来解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作MATLAB智能算法，该书包含了遗传算法，免疫算法，粒子群算法，鱼群算法，多目标pareto算法，模拟退火算法，蚁群算法，神经网络，SVM等，本书最大的特点在于以案例为导向，每个案例针对一
%-------------------------------------------------------------------------- % Copula理论及应用实例 %-------------------------------------------------------------------------- %******************************读取数据************************************* % 从文件hushi.xls中读取数据 hushi = xlsread('hushi.xls'); % 提取矩阵hushi的第5列数据，即沪市的日收益率数据 X = hushi(:,5); % 从文件shenshi.xls中读取数据 shenshi = xlsread('shenshi.xls'); % 提取矩阵shenshi的第5列数据，即深市的日收益率数据 Y = shenshi(:,5); %****************************绘制频率直方图********************************* % 调用ecdf函数和ecdfhist函数绘制沪、深两市日收益率的频率直方图 [fx, xc] = ecdf(X); figure; ecdfhist(fx, xc, 30); xlabel('沪市日收益率'); % 为X轴加标签 ylabel('f(x)'); % 为Y轴加标签 [fy, yc] = ecdf(Y); figure; ecdfhist(fy, yc, 30); xlabel('深市日收益率'); % 为X轴加标签 ylabel('f(y)'); % 为Y轴加标签 %****************************计算偏度和峰度********************************* % 计算X和Y的偏度 xs = skewness(X) ys = skewness(Y) % 计算X和Y的峰度 kx = kurtosis(X) ky = kurtosis(Y) %******************************正态性检验*********************************** % 分别调用jbtest、kstest和lillietest函数对X进行正态性检验 [h,p] = jbtest(X) % Jarque-Bera检验 [h,p] = kstest(X,[X,normcdf(X,mean(X),std(X))]) % Kolmogorov-Smirnov检验 [h, p] = lillietest(X) % Lilliefors检验
Matlab在数学建模中的应用 数学建模是通过对实际问题的抽象和简化，引入一些数学符号、变量和参数，用数学语言和方法建立变量参数间的内在关系，得出一个可以近似刻画实际问题的数学模型，进而对其进行求解、模拟、分析检验的过程。它大致分为模型准备、模型假设、模型构成、模型求解、模型分析、模型检验及应用等步骤。这一过程往往需要对大量的数据进行分析、处理、加工，建立和求解复杂的数学模型，这些都是手工计算难以完成的，往往在计算机上实现。在目前用于数学建模的软件中，matlab 强大的数值计算、绘图以及多样化的工具箱功能，能够快捷、高效地解决数学建模所涉及的众多领域的问题，倍受数学建模者的青睐。 1 Matlab在数学建模中的应用 下面将联系数学建模的几个环节，结合部分实例，介绍matlab 在数学建模中的应用。 1.1 模型准备阶段 模型准备阶段往往需要对问题中的给出的大量数据或图表等进行分析，此时matlab的数据处理功能以及绘图功能都能得到很好的应用。 1.1.1 确定变量间关系 例1 已知某地连续20年的实际投资额、国民生产总值、物价指数的统计数据（见表），由这些数据建立一个投资额模型，根据对未来国民生产总值及物价指数的估计，预测未来的投资额。
表1 实际投资额、国民生产总值、物价指数的统计表 记该地区第t年的投资为z(t)，国民生产总值为x(t)，物价指数为y(t)。 赋值： z=[90.9 97.4 113.5 125.7 122.8 133.3 149.3 144.2 166.4 195 229.8 228.7 206.1 257.9 324.1 386.6 423 401.9 474.9 424.5]' x=[596.7 637.7 691.1 756 799 873.4 944 992.7 1077.6 1185.9 1326.4 1434.2 1549.2 1718 1918.3 2163.9 2417.8 2631.6 2954.7 3073]' y=[0.7167 0.7277 0.7436 0.7676 0.7906 0.8254 0.8679 0.9145 0.9601 1 1.0575 1.1508 1.2579 1.3234 1.4005 1.5042 1.6342 1.7842 1.9514 2.0688]' 先观察x与z之间，y与z之间的散点图 plot(x,z,'*') plot(y,z,'*') 由散点图可以看出，投资额和国民生产总值与物价指数都近似呈
第四周 3. 中的三个根。 ，在求8] [0,041.76938.7911.1-)(2 3=-+=x x x x f function y=mj() for x0=0:0.01:8 x1=x0^3-11.1*x0^2+38.79*x0-41.769; if (abs(x1)<1.0e-8) x0 end end 4.分别用简单迭代法、埃特金法、牛顿法求解方程，并比较收敛性与收敛速度（ε分别取10-3、10-5、10-8）。 简单迭代法： function y=jddd(x0) x1=(20+10*x0-2*x0^2-x0^3)/20; k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=(20+10*x0-2*x0^2-x0^3)/20;k=k+1; end x1 k 埃特金法： function y=etj(x0) x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0); k=1; while (abs(x3-x0)>=1.0e-3) x0=x3; x1=(20-2*x0^2-x0^3)/10; x2=(20-2*x1^2-x1^3)/10; x3=x2-(x2-x1)^2/(x2-2*x1+x0);k=k+1; end 2 ,020102)(023==-++=x x x x x f
x3 k 牛顿法： function y=newton(x0) x1=x0-fc(x0)/df(x0); k=1; while (abs(x1-x0)>=1.0e-3) x0=x1; x1=x0-fc(x0)/df(x0);k=k+1; end x1 k function y=fc(x) y=x^3+2*x^2+10*x-20; function y=df(x) y=3*x^2+4*x+10; 第六周 1.解例6-4（p77)的方程组，分别采用消去法（矩阵分解）、Jacobi迭代法、Seidel迭代法、松弛法求解，并比较收敛速度。 消去法： x=a\d 或 [L,U]=lu(a); x=inv(U)inv(L)d Jacobi迭代法： function s=jacobi(a,d,x0) D=diag(diag(a)); U=-triu(a,1); L=-tril(a,-1); C=inv(D); B=C*(L+U); G=C*d; s=B*x0+G; n=1; while norm(s-x0)>=1.0e-8 x0=s; s=B*x0+G;
本文由qpadm贡献 pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。 第 25 卷第 4 期 2009 年 4 月 电 力 For personal use only in study and research; not for commercial use 科 学 与 For personal use only in study and research; not for commercial use 工 程 Vol.25, No.4 Apr., 2009 11 For personal use only in study and research; not for commercial use Electric Power Science and Engineering 基于 MATLAB 的光伏电池通用数学模型 王长江 For personal use only in study and research; not for commercial use （华北电力大学电气与电子工程学院，北京 102206）摘要：针对光伏电池输出特性具有强烈的非线性，根据太阳能电池的直流物理模型，利用 MATLAB 建立了太阳能光伏阵列通用的仿真模型。利用此模型，模拟任意环境、太阳辐射强度、电池板参数、电池板串并联方式下的光伏阵列 I-V 特性。模型内部参数经过优化，较好地反应了电池实际特性。模型带有最大功率点跟踪功能，能很好地实现光伏发电系统最佳工作点的跟踪。关键词：光伏电池；MPPT；I-V 特性中图分类号：TM615 文献标识码：A 引 言 1 光伏电池特性 随着化石能源的消耗，全球都在面临能源危机，太阳能依靠其清洁、分布广泛等特点成为当今发展速度居第二位的能源 [1] 。光伏阵列由多个单体太阳能电池进行串并联封装而成，是光伏发电的能源供给中心，其 I V 特性曲线随日照强度和太阳能电池温度变化，即 I=f ( V, S, T ) 。目前而厂家通常仅为用户提供标准测试的短路电流 I sc 、开路电压 Voc、最大功率点电流 I m 、最大功率点电压 V m 值，所以如何根据已有的标准测试数据来仿真光伏阵列在不同日照、温度下的 I V，P V 特性曲线，在光伏发电系统分析研究中显得至关重要 [2] 。文献 [ 3~4 ] 介绍了一些光伏发电相关的仿真模型，但这些模型都需要已知一些特定参数，使得分析研究有一些困难。文献 [ 5 ] 介绍了经优化的光伏电池模型，但不能任意改变原始参数。文献 [ 6 ] 给出了光伏电池的原理模型，但参数选用典型值，会造成较大的误差。本文考虑工程应用因素，基于太阳能电池的物理模型，建立了适用于任何条件下的工程用光伏电池仿真模型。
MATLAB 智能算法30个案例分析 智能算法是我们在学习中经常遇到的算法，主要包括遗传算法，免疫算法，粒子群算法，神经网络等，智能算法对于很多人来说，既爱又恨，爱是因为熟练的掌握几种智能算法，能够很方便的解决我们的论坛问题，恨是因为智能算法感觉比较“玄乎”，很难理解，更难用它来解决问题。 因此，我们组织了王辉，史峰，郁磊，胡斐四名高手共同写作MATLAB智能算法，该书包含了遗传算法，免疫算法，粒子群算法，鱼群算法，多目标pareto算法，模拟退火算法，蚁群算法，神经网络，SVM等，本书最大的特点在于以案例为导向，每个案例针对一个实际问题，给出全部程序和求解思路，并配套相关讲解视频，使读者在读过一个案例之后能够快速掌握这种方法，并且会套用案例程序来编写自己的程序。本书作者在线，读者和会员可以向作者提问，作者做到有问必答。 本书和目录如下： 1 基于遗传算法的TSP算法（王辉） TSP (旅行商问题—Traveling Salesman Problem)，是典型的NP完全问题，即其最坏情况下的时间复杂性随着问题规模的增大按指数方式增长，到目前为止不能找到一个多项式时间的有效算法。遗传算法是一种进化算法，其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。遗传算法的做法是把问题参数编码为染色体，再利用迭代的方式进行选择、交叉以及变异等运算来交换种群中染色体的信息，最终生成符合优化目标的染色体。实践证明，遗传算法对于解决TSP问题等组合优化问题具有较好的寻优性能。 2 基于遗传算法和非线性规划的函数寻优算法（史峰） 遗传算法提供了求解非线性规划的通用框架，它不依赖于问题的具体领域。遗传算法的优点是将问题参数编码成染色体后进行优化，而不针对参数本身，从而不受函数约束条件的限制；搜索过程从问题解的一个集合开始，而不是单个个体，具有隐含并行搜索特性，可大大减少陷入局部最小的可能性。而且优化计算时算法不依赖于梯度信息，且不要求目标函数连续及可导，使其适于求解传统搜索方法难以解决的大规模、非线性组合优化问题。 3 基于遗传算法的BP神经网络优化算法（王辉） BP模型被广泛地应用于模式分类、模式识别等方面．但BP算法收敛速度慢，且很容易陷入局部极小点，而遗传算法具有并行搜索、效率高、不存在局部收敛问题等优点而被广泛应用．遗传算法的寻优过程带有一定程度的随机性和盲从性，多数情况下只能收敛到全局次优解，且有过早收敛的现象．为了克服遗传算法寻优过程的盲从性，将有监督学习的BP算法与之结合以达到优势互补、提高算法的稳定性和全局搜索能力的目的。 4 设菲尔德大学的MATLAB遗传算法工具箱（王辉） Matlab 遗传算法(Genetic Algorithm)优化工具箱是基于基本操作及终止条件、二进制和十进制相互转换等操作的综合函数库。其实现步骤包括：通过输入及输出函数求出遗传算法主函数、初始种群的生成函数，采用选择、交叉、变异操作求得基本遗传操作函数。以函数仿真
M a t l a b经典案例-CAL-FENGHAI-(2020YEAR-YICAI)_JINGBIAN
1、三维曲线 >> t=0:pi/50:10*pi; >> plot3(sin(2*t),cos(2*t),t) >> axis square >> grid on 2、一窗口多图形 >> t=-2*pi::2*pi; >> subplot(3,2,1) >> plot(t,sin(t)) >> subplot(3,2,2) >> plot(t,cos(t)) >> subplot(3,2,3) >> plot(t,tan(t)) >> axis([-pi pi - 100 100]) >> subplot(3,2,4) >> plot(t,cot(t)) >> axis([-pi pi - 100 100]) >> subplot(3,2,5) >> plot(t,atan(t)) >> subplot(3,2,6) >> plot(t,acot(t)) 3、图形样式、标注、题字 (也可以利用菜单直接Insert) >> x=0:pi/20:2*pi; >> plot(x,sin(x),'b-.') >> hold on
>> plot(x,cos(x),'r--') >> hold on >> plot(x,sin(x)-1,'g:') >> hold on >> plot(x,cos(x)-1) >> xlabel('x'); >> xlabel('x轴'); >> ylabel('y轴'); >> title('图形样式、标注等'); >> text(pi,sin(pi),'x=\pi'); >> legend('sin(x)','cos(x)','sin(x)-1','cos(x)-1'); >> [x1,y1]=ginput(1) %利用鼠标定位查找线上某点的值x1 = y1 = >> gtext('x=') %鼠标定位放置所需的值在线上 4、 >> fplot('[sin(x),cos(x),sqrt(x)-1]',[0 2*pi]) M文件： 内容如下： function y=myfun(x) y(:,1)=sin(x); y(:,2)=cos(x); y(:,3)=x^(1/2)-1; 再运行：>> fplot('myfun',[0 2*pi]) 同样可以得到右图 5、 >> [x,y]=fplot('sin',[0 2*pi]); >> [x1,y1]=fplot('cos',[0 2*pi]); >> plot(x,y,'-r',x1,y1,'') >> legend('y=sinx','y=cosx')
Modeling and Simulation 建模与仿真, 2015, 4(3), 61-71 Published Online August 2015 in Hans. http://www.hanspub.org/journal/mos http://dx.doi.org/10.12677/mos.2015.43008 Study of MATLAB and Its Application in Mathematical Modeling Chuanqi Qin, Ting Wang, Yuanfeng Jin School of Science, Yanbian University, Yanji Jilin Email: yfkim@ybu.edu.cn Received: Jul. 22nd, 2015; accepted: Aug. 11th, 2015; published: Aug. 18th, 2015 Copyright ? 2015 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). http://creativecommons.org/licenses/by/4.0/ Abstract This article firstly introduces the development and the features of MATLAB software. And then the concept and the process of mathematical modeling are explained. After, the article briefly intro-duces some MATLAB solution methods of mathematical modeling problems, giving several in-stances of some methods. At the last of this article, through a relatively complete example, it fo-cuses on the application of MATLAB in mathematical modeling. It has been found that the applica-tion of MATLAB in mathematical modeling can improve the efficiency and quality of mathematical modeling, enrich the means and methods of mathematical modeling, and play a very important role in the teaching of mathematical modeling course. Keywords MATLAB, Mathematical Modeling, Mathematic Model MATLAB及其在数学建模中的应用 秦川棋，王亭，金元峰 延边大学理学院，吉林延吉 Email: yfkim@ybu.edu.cn 收稿日期：2015年7月22日；录用日期：2015年8月11日；发布日期：2015年8月18日
******大学 本科实验报告 课程名称：****建模与仿真 设计专题：单服务员的排队模型学生姓名：*** 学号：********** 2012年04月30日
一、实验题目和要求 实验题目： 在某商店有一个售货员，顾客陆续来到，售货员 逐个地接待顾客。当到来的顾客较多时，一部分 顾客便须排队等待，被接待后的顾客便离开商店。 设：a．顾客到来间隔时间服从参数为5分钟的指 数分布;b．对顾客的服务时间服从[3，12]上的均 匀分布;c．排队按先到先服务规则，队长无限制, 并假定一个工作日为8小时，时间以分钟为单位。 要求： 1)模拟1个工作日内完成服务的个数及顾客平均 等待时间t。 2)模拟10个工作日，求出平均每日完成服务的个 数及每日顾客的平均等待时间 3)用柱状图画出10个工作日的平均每日完成的 服务个数及每日顾客的平均等待时间。 二、程序结构图（或功能说明） 文件夹中的m文件在j取1时模拟单工作日的服务 情况，j取1到10时模拟10个工作日的服务情况。 三、程序流程图
NO YES NO i=i+1 计算第i 个顾客离开时的时刻t 计算第i+1个顾客的等待时间s 记录i 值，跳出循环 计算第i+1个顾客的等待时间s 计算第i 个顾客离开时的时刻t 构造顾客间隔时间序列（TjM ） 构造顾客所需服务时间序列（TfM ） t>480 j=1
YES NO YES NO j=j+1 i=i+1 计算第i 个顾客离开时的时刻t 计算第i+1个顾客的等待时间s 记录i 值，跳出循环 计算第i+1个顾客的等待时间s 计算第i 个顾客离开时的时刻t 构造顾客间隔时间序列（TjM ） 构造顾客所需服务时间序列（TfM ） t>480 j=1 j<10
1求1到20的阶乘和M文件 function p=fac(n) %fac函数由于阶乘 if n==0 p=1; else p=1; i=1; while i<=n p=p*i; i=i+1; end end clear sum=0; for i==1:20 sum=sum+fac(i) end sum （1）
（2）运行结果 2、用起泡法排数 clc clear all s=[9 8 4 2 7 10 6 1 5 3]; %要排序的数列Ls=length(s); for i=1:Ls-1 for j=1:Ls-i if s(j)>s(j+1) t=s(j); s(j)=s(j+1); s(j+1)=t; end
end end s %输出排序后结果 结果 3、matlab 有一函数 f(x,y)=x2+cos(xy)+2y ,写一程序,输入自变量的值,输出函数值. function z= yourfunc(x,y) % script for f(x,y)=x2+cos(xy)+2y % input scalar: x, y % output scalar: z % written by yourname % 10 May 2010 z=x^2+cos(x*y)+2*y;
end 运行结果 4、小球下落问题 h = zeros(11,1); h(1) = 100; for i = 2:11 h(i) = h(i-1)/2; end % 第10次反弹有多高？h(11)
% 它在第10次落地时，共经过多少米？ 2*sum(h(1:10))-h(1) 结果如下 5、矩阵问题 有一个4行5列的矩阵，编程求出其最大值以及最大值所处位置clc; clear all; A = rand(4, 5); m = A(1); ind = [1 1]; for i = 1 : size(A, 1) for j = 1 : size(A, 2) if m < A(i, j)
Matlab 应用例题选讲 仅举一些运用MATLAB 的例子，这些问题在数学建模中时常遇到，希望能帮助同学们在短时间内方便、快捷的使用MATLAB 解决数学建模中的问题，并善用这一工具。 常用控制命令： clc ：%清屏； clear ：%清变量； save ：%保存变量； load ：%导入变量 一、利用公式直接进行赋值计算 本金P 以每年n 次，每次i%的增值率（n 与i 的乘积为每年增值额的百分比）增加，当增加到r ×P 时所花费的时间T 为：（利用复利计息公式可得到下式） ) 01.01ln(ln )01.01(i n r T i P P r nT += ?+=?（12,5.0,2===n i r ） MATLAB 的表达形式及结果如下： >> r=2;i=0.5;n=12; %变量赋值 >> T=log(r)/(n*log(1+0.01*i)) 计算结果显示为： T = 11.5813 即所花费的时间为T=11.5813 年。 分析：上面的问题是一个利用公式直接进行赋值计算问题，实际中若变量在某个范围变化取很多值时，使用MATLAB ，将倍感方便，轻松得到结果，其绘图功能还能将结果轻松的显示出来，变量之间的变化规律将一目了然。 若r 在[1,9]变化，i 在[0.5,3.5]变化；我们将MATLAB 的表达式作如下改动，结果如图1。 r=1:0.5:9; i=0.5:0.5:3.5; n=12; p=1./(n*log(1+0.01*i)); T=log(r')*p; plot(r,T) xlabel('r') %给x 轴加标题 ylabel('T') %给y 轴加标题 q=ones(1,length(i)); text(7*q-0.2,[T(14,1:5)+0.5,T(14,6)-0.1,T(14,7)-0.9],num2str(i')) r T 图1
