数学建模中所需要使用到的Matlab（从零开始介绍）

%% 第一节课 层次分析法（AHP）% 1.分号的使用：每一行的语句最后可以选择性地加上分号，加上分号后不显示运行结果(因此大部分语句加上分号），否则显示运行结果a=3;b=5% 2.注释的使用：用百分号表示注释，多行注释快捷键为Ctrl+R，取消注释的快捷键为Ctrl+T
% 用连续的两个百分号表示加粗的注释部分% 3.clear和clc：clear可以清空工作区内的变量，clc可以实现命令行窗口清屏，常连用clear;clc来进行脚本初始化，防止原先内容的干扰clear;clc% 4.输入输出函数：
% ①输出函数disp()：类似于C语言中的printf()函数，内部参数可以是一个变量或者常量
%   disp函数可以不用加上分号，因为结果一定会显示出来
% ②输入函数input()：类似于Python中的input函数，参数为输入提示信息A=input("请输入A的值：")% 5.向量的表示：
% ①行向量用[]表示，各个元素之间用逗号或者空格来分隔a=[1 2 3];a=[1,2,3]
% ②列向量的表示类似，用分号分隔每一行的元素a=[1;2;3]% 6.字符串类型：
% ①字符串常量可以用一对单引号或者双引号来表示
% ②字符串合并的两种方法：首先可以使用strcat(str1,str2...)函数，也可以使用[str1,str2...]或者[str1 str2...]的形式str=strcat("字符串1","字符串2"); str=['字符串1','字符串2']
% ③num2str()函数：将数字类型转化为字符串c=100;num2str(c)% 7.矩阵类型：
% ①表示方法：仍然用[]表示，同行元素之间用逗号或者空格隔开，用分号来分隔列E=[1 2;3 4;5 6]
% ②矩阵中指定位置的元素（第m行第n列）：使用 矩阵名（行数，列数） 即可E=[1 2;3 4;5 6];E(2,1)
% ③矩阵中某一行或某一列的全部元素：使用矩阵名（行数，：）/ 矩阵名（：，列数），分别得到一个行向量和列向量E=[1 2;3 4;5 6];E(2,:)
% ④矩阵中某些行或某些列的全部元素：使用矩阵名（[行1，行2..],:）的形式，输出为一个矩阵E=[1 2;3 4;5 6];E([2,3],:)
% ⑤矩阵中的全部元素：使用矩阵名（：）即可，将矩阵中的所有元素逐列排成一个列向量返回E=[1 2;3 4;5 6];E(:)
% ⑥可以用end表示矩阵的最后一行的行数% 8.求和函数sum():(求积函数prod同理，只是运算由加法变成了乘法）
% ①当参数为向量时，无论是行向量还是列向量，都是直接求和E=[1 2 3];sum(E)E=[1;2;3];sum(E)
% ②当参数为矩阵时，第二个参数为1（默认情况）时为按列求和得到一个行向量，第二个参数为2时为按行求和得到一个列向量E=[1 2;3 4;5 6];a=sum(E,1)E=[1 2;3 4;5 6];a=sum(E,2)
% ③对整个矩阵进行求和时，可以连续两次调用sum函数% 9.等差数列的表示方法：生成从a到b（闭区间），公差为d（默认为1，也可以为负数）的一组等差数列的方法：a:d:b1:10:100% 10.size函数：语法为size（矩阵名），返回一个两个元素的行向量，分别表示矩阵的行数和列数E=[1 2;3 4;5 6];size(E)
%    只需要返回行数可以使用size(矩阵名，1），只需要返回列数可以使用size（矩阵名，2）% 11.矩阵重复函数repmat():语法为：repmat（矩阵名，行数，列数）作用：将原矩阵视为新矩阵的一个元素，构造指定行数和列数的新矩阵E=[1 2;3 4;5 6];repmat(E,2,2)% 12.矩阵的运算：
% ①矩阵的加减法：直接使用‘+’‘-’号即可E1=[1 2;3 4;5 6];E2=[1 1;1 1;1 1]Temp=E1+E2
% ②矩阵的乘除法：直接使用‘*’‘/’号即可E1=[1 2;3 4;5 6];E2=[1 1 1;1 1 1];E3=[1 1;1 1;1 1]Temp1=E1*E2Temp2=E1/E3
% ③矩阵的逆矩阵：inv（矩阵名）注意：只有方阵才有逆矩阵E=[1 2;3 4];E*inv(E)
% ④两个形状完全相同的矩阵的对应元素的乘除法：使用‘.*’和‘.\’即可实现E1=[1 1;1 1];E2=[2 2;2 2];E1./E2
% ⑤矩阵与常数相乘(或者相除），使用直接乘法（除法）或者点乘（点除）都可以E=[1 1;1 1];E*2
% ⑥矩阵的乘方使用'^'号即可，如果需要每个元素求乘方，则需要使用'.^'E=[2 2;2 2];E^3% 13.求矩阵的特征值和特征向量：使用 eig（矩阵名）即可
% ①只计算特征值：用一个变量接收结果，返回矩阵特征值构成的列向量E=[1 2;3 4];A=eig(E)
% ②计算特征值和特征向量：用两个变量接收结果，第一个变量得到由特征列向量排列得到的矩阵，第二个变量得到对角阵，对角阵上的元素为特征值E=[1 2;3 4];[A,B]=eig(E)% 14.find函数找出非零元素的位置：
% ①对向量使用时，可以找出前k个(默认为所有元素）不为零的元素的位置：find（向量名,k），返回一个行向量E=[0 1 0 2 0 3];find(E,3)
% ②对矩阵直接使用时，矩阵中的元素会首先按列排列为一个列向量，再返回各元素在该列向量中的位置E=[1 0;3 0;5 0];find(E)
% ③对矩阵使用时如果需要返回行列信息，则使用两个参数接收即可：[row,col]=find（矩阵名，个数）（默认为全部元素），返回两个列向量E=[1 0;3 0;5 0];[A,B]=find(E,3)% 15.矩阵中元素与常数的大小关系判断：使用 == > < ~= 即可以完成每个元素的关系判断，返回一个逻辑矩阵（1代表成立，0代表不成立）E=[1 -1;2 -2;3 -3];E>0% 16.判断语句if的使用：语法：if 条件语句（不需要加冒号）执行段...elseif 条件语句 执行段...else 执行段 enda=input("请输入一个数字：")if a>90disp("优")elseif a>=60disp("合格")elsedisp("不及格")end% 17.循环语句
% ①while语句：语法：while 条件表达式 循环体... endi=1;while i<10i=i+1end
% ②for语句：语法：for 变量名=表达式1：表达式2：表达式3 end |表达式1是初值条件，表达式2为公差（默认为1），表达式3为终止值（过了该值循环终止）for i=1:10disp(i)end% 18.switch语句：语法：switch 变量名 case 常量1 语句序列1；case 常量2 语句序列2；...otherwise 语句序列; end
%    这些case语句之后不用接break语句num=input("")switch numcase 1disp("输入为1")case 2disp("输入为2")case 3disp("输入为3")otherwisedisp("输入为其他值")end%% 第二节课:TOPSIS方法与熵权法修正% 1.生成与加载mat文件的语句：
%   生成由Excel产生的mat文件：在工作区新建一个变量，将Excel表格中对应的矩阵复制到变量中，然后将变量另存为mat文件即可
%   加载mat文件：要求mat文件与代码的m文件在同一个文件夹中，使用load mat文件名即可
% 2.逻辑运算：逻辑运算符分别为 &（与） |（或） ~（非）a=1;a==1&a==0a=1;a==1|a==0a=1;a~=0
% 3.幻方矩阵magic（）：语法：magic(n) 返回一个幻方矩阵（要求n不小于三）：一个元素由1排到n平方的方阵，且该方阵每一列的和都相等magic(3)
% 4.排序函数sort（）：可以对向量和矩阵使用，效果略有不同
% ①向量排序：sort(向量名，排序方式）：默认采用升序排序，如果要使用降序排序则使用'descend'作为第二个参数即可。
%   可以直接使用，也可以返回两个参数[vector,index]，其中vector是排序后的向量，index是排序之前的索引E=[1 2 3 4 5];[V,I]=sort(E,'descend')
% ②矩阵排序：sort（矩阵名，维度）：维度为1时，对每一列升序排序，维度为2时，对每一行升序排序E=magic(5);sort(E,2)
% 5.自定义函数：自定义的函数必须要单独放在一个m文件中
% 函数定义方式：function [输出变量] = 函数名（输入变量）...函数体... end  其中输入变量和输出变量都可以有多个
% 使用函数的m文件需要和函数文件在同一个文件夹中，使用时无需额外声明
% 6.zeros（）和ones（）函数：zeros（m,n)可以构造一个m行n列的元素均为0的矩阵，ones(m,n)可以构造一个m行n列的元素均为1的矩阵zeros(3,2)ones(2,3)
% 7.圆周率的表示：直接用 pi 表示即可pi
% 8.常用三角函数sin（）与cos（）：直接使用即可x=1:10;sin(x)cos(x)%% 第三节课：插值算法% 1.三次埃尔米特插值函数pchip（）:语法：pchip(x,y,new_x)，其中x,y分别为已知顶点的横纵坐标向量，new_x是插入结点的横坐标向量x=-pi:pi;y=sin(x);new_x=-pi:0.1:pi;new_y=pchip(x,y,new_x)% 2.作图函数plot（）：
% ①直接使用：plot（x,y,颜色+线方式+点方式）:x和y分别为横坐标向量和纵坐标向量，作出函数图像，可以指定连线方式，节点形式和线的颜色
%   线的形式：-实线 ：点线 -.虚点线 --波折线  点的形式：.圆点 +加号 *星号 xX形 o小圆  颜色：y黄 r红 g绿 b蓝 w白 k黑 m紫 c青
%   如果参数中不注明线的方式，则可以画出散点图x=-pi:pi;y=sin(x);plot(x,y,'r--x')
% ②可以将多个函数的图像画在同一张图中：将参数分为多组即可x1=-pi:pi;y1=sin(x);x2=-pi:pi;y2=cos(x);plot(x1,y1,'r--x',x2,y2,"b-.+")
% ③关闭所绘制的图像：使用close命令即可close;% 3.三次样条插值函数spline()：语法与pchip()函数的语法完全相同，但是插值的方式属于样条插值，样条插值更加圆滑x=-pi:pi;y=sin(x);new_x=-pi:0.1:pi;new_y=spline(x,y,new_x)% 4.图例函数legend（）：与plot函数搭配使用，能够标出plot中每组函数数据的名称作为图例，图例的位置选择性可调
%   plot（第一组xy，第二组xy...第n组xy）；legend（名称1，名称2...名称，'Location',位置）x=-pi:0.1:pi;y1=sin(x)y2=cos(x)plot(x,y1,x,y2)legend("正弦函数","余弦函数",'Location','SouthEast')% 5.figure（）函数的作用：给每一张图像标号，防止新生成的图像覆盖原有的图像x=-pi:0.1:pi;y1=sin(x);y2=cos(x);figure(1);plot(x,y1,x,y2)legend("正弦函数","余弦函数",'Location','SouthEast');figure(2)plot(x,tan(x))% 6.n元函数插值函数interpn（）：语法：interpn（x1,x2...xn,y,new_x1,new_x2...new_xn,插值方法）
%   其中插值方法的选择最好使用三次样条插值"spline",其余使用方法与之前的插值函数类似x=-pi:pi;y=sin(x);new_x=-pi:0.1:pi;new_y=interpn(x,y,'spline')% 第四节课：拟合算法% 1.给坐标轴命名的xlabel()函数和ylabel()函数：与plot函数配合使用，可以在图中标出x轴与y轴的名字x=1:10;y=sin(x);plot(x,y)xlabel("自变量");ylabel("因变量");% 2.hold on命令和grid on命令：hold on命令在使用一次plot函数后，表示下一次作图仍然在该图中;grid on命令可以显示网格线x=1:10;y=sin(x);plot(x,y)hold on;grid on;plot(x,x)% 3.匿名函数的使用方法：函数名 = @（参数列表）表达式  调用方法：函数名（参数列表）z=@(x,y)x^2+y^2;z(1,2)
%   一元匿名函数的作图可以使用fplot（）函数：语法：fplot（匿名函数名，[a,b]），其中[a,b]表示作图区间z=@(x)x^2+5;fplot(z,[-5,5])% 4.曲线拟合工具箱Curve Fitting的使用：可以从APP处进入，也可以使用命令：cftool 进入cftool;
%   获取x,y向量（二元函数中还要获取z向量）并选择拟合方式后，即可开始拟合，自动计算出拟合的参数和参茶和、拟合优度等内容
%   有时拟合偏差过大，需要在拟合设置中调整变量的初始点使其能够收敛，成功实现拟合，在拟合成功后可以导出拟合函数图像和拟合代码供自己使用
%   注意：导出拟合函数图像时，选择最高的分辨率，这样得到的图像最为清晰load data1.mat;cftool;% 5.随机数和随机矩阵的生成：包括均匀随机分布和正态随机分布
% ①均匀随机分布的整数矩阵生成：randi（[a,b],m,n）：生成一个m*n的矩阵，矩阵中的元素为从a到b的整数randi([-10,10],3,4)
% ②均匀随机分布的小数矩阵生成：rand（m,n）：生成一个m*n的矩阵，矩阵中的元素为0到1之间的小数rand(2,3)
% ③正态随机分布的随机矩阵的生成：normrad（a,b,m,n）：生成一个元素均值为a，标准差为b，m*n的矩阵normrnd(0,1,5,6)
% ④一定范围内的随机数的生成：unifrnd(a,b,m,n)：a和b表示随机数的区间，m和n表示生成矩阵的大小unifrnd(-1,1,3,3)
% ⑤一定均值的指数分布的随机数的生成：exprnd(x)：x表示均值的大小exprnd(3)% 6.四舍五入函数roundn：语法：round（变量名，位数） 可以在指定位数处进行四舍五入操作（个位用0表示）a=3.1415926;roundn(a,-3)%% 第五节课：相关系数% 1.常用的统计量函数：min/max()：求最小值/最大值  mink/maxk()：求k个最小元素/最大元素  bounds()：最小元素和最大元素
% mean()：求均值  median()：求中位数  mode()：求众数  std()：求标准差  var()：求方差
% skewness()：求偏度  kurtosis()：求峰度  topkrows():求按排序顺序的前k行
% 以上的统计量函数均默认按照列计算，如果需要按照行计算需要将第二个参数设置为2
Matrix_test=randi([-100,100],5,6);
min(Matrix_test)
max(Matrix_test)
bounds(Matrix_test)
mean(Matrix_test)
median(Matrix_test)
mode(Matrix_test)
std(Matrix_test)
var(Matrix_test)
skewness(Matrix_test)
kurtosis(Matrix_test)% 2.皮尔逊相关系数的计算函数corrcoef（）的两种用法：
% ①corrcoef(A)：A是一个矩阵，其中每行表示每个样本，每列表示每个指标，返回一个对称矩阵，表示每两个指标之间的皮尔逊相关系数A=randi([-5,5],5,6);corrcoef(A)
% ②corrcoef(A,B)：A、B为两个向量，返回A和B的相关系数A=randi([-5,5],1,10);B=randi([-5,5],1,10);corrcoef(A,B)
% 另外，该函数还可以返回P值，用两个参数接收结果即可：语法:[R,P]=corrcoef(矩阵名），其中R为相关系数表，P为P值表% 3.t分布概率密度函数tpdf()与概率分布函数tcdf（）以及t分布的概率分布函数的反函数tinv（）：
% ①概率密度函数：语法：tpdf（横坐标向量，自由度）x=-5:0.1:5;y=tpdf(x,28);plot(x,y)
% ②概率分布函数：语法：tcdf（横坐标，自由度）tcdf(3.055,28)
% ③概率分布函数的反函数（用于求t分布的临界值）:语法：tinv(概率值,自由度)tinv(0.975,28)% 4.JB（雅克贝拉）检验函数jbtest（）的使用：语法：jbtest（样本值向量，显著性水平）
% 当输出为0时表示满足正态分布，输出为1时表示不满足正态分布x=normrnd(0,1,1,100);jbtest(x,0.05)
% 也可以有两个输出值，用[h,p]接收，分别表示判断结果和p值% 5.Q-Q图作图函数qqplot（）：语法：qqplot（样本值向量）x=normrnd(0,1,1,1000);qqplot(x)
% 6.斯皮尔曼相关系数的计算函数corr（）的两种使用：
% ①corr（矩阵名，'type','Spearman')：计算矩阵各列之间的斯皮尔曼相关系数x=randi([-10,10],5,6);corr(x,'type','Spearman')
% ②corr(向量1，向量2，'type','Spearman')：计算两个向量之间的斯皮尔曼相关系数（注意：只能是列向量）x=randi([-10,10],100,1);y=2*x;corr(x,y,'type','Spearman')
% Matlab中所计算出来的斯皮尔曼相关系数实际上是等级的皮尔逊相关系数% 7.正态分布的概率分布函数normcdf（）：语法：normcdf（概率值）normcdf(0.95)%% 第六节课：图论中的最短路径问题% 1.Matlab无向图图函数graph()与有向图图函数digraph()：
% ①当参数个数为两个时，语法为：graph/digraph（s,t）
%   其中s和t分别为两个点集，其中的元素个数要求相同，可以是从1开始的一系列整数，也可以是用大括号封闭的一个元胞数组（其中元素为字符串）s=[1,2,3,4];t=[4,3,2,1];G1=graph(s,t);figure(1);plot(G1)G2=digraph(s,t);figure(2);plot(G2)
% ②第三个参数为边的权重（默认每条边的权重为1），是一个与点集元素个数相同的数组，画图时标出权重的方式：plot(图名，'Edgelabel',图名.Edges.Weight)s=[1,2,3,4];t=[4,3,2,1];w=[1,2,3,4];G=graph(s,t,w);plot(G,'Edgelabel',G.Edges.Weight)% 2.隐藏坐标轴名称的方法（与plot函数搭配使用）：set（gca，'XTick',[],'YTick',[])s=[1,2,3,4];t=[2,3,4,1];w=[1,2,3,4];G=graph(s,t,w);plot(G,'Edgelabel',G.Edges.Weight)set(gca,'XTick',[],'YTick',[]);% 3.求最短路径的函数shortestpath（）：语法：shortestpath(图变量名，起点，终点,['Method',算法])
% 其中的图可以是无向图或者有向图，最后的算法是可选参数，默认采用自动选择的方式，输出两个参数，分别表示最短路径经过的结点和最短路径长度
% 可选的算法有：unweighted：广度优先计算（将所有边的权重均视为1） positive：迪杰斯特拉算法，要求边的权重均为非负数
%               mixed：贝尔曼-福特算法，效率比迪杰斯特拉算法低，但是适用范围更广。s=[1,2,3,4];t=[2,3,4,1];w=[1,2,3,4];G=graph(s,t,w);[path,length]=shortestpath(G,1,3)% 4.高亮标出最短路径的方式：使用函数highlight()：语法：highlight（图像名，最长路径名，’EdgeColor',颜色）s=[1,2,3,4];t=[2,3,4,1];w=[1,2,3,4];G=graph(s,t,w);[path,length]=shortestpath(G,1,3);Plot=plot(G,'linewidth',3);highlight(Plot,path,'EdgeColor','r')% 5.求任意两点之间的最短距离的矩阵的函数distances()：语法：distances（图名，['Method',算法]）s=[1,2,3,4];t=[2,3,4,1];w=[1,2,3,4];G=graph(s,t,w);distances(G)% 6.找出给定距离范围内的所有节点的函数nearest()：语法：nearest（图名，结点，距离，['Method',算法]）
%   返回两个列向量[Nodes,Dists]，分别表示满足条件的结点以及它们所对应的最短距离s=[1,2,3,4];t=[2,3,4,1];w=[1,2,3,4];G=graph(s,t,w);[Nodes,Dists]=nearest(G,1,5)% 7.输出警告信息的函数warning():语法：warning（警告提示字符串）warning("输入错误，请重新输入！")% 8.用于退出函数的return语句：在自定义函数的定义体中使用，可以直接退出当前函数return% 9.记录程序运行时间的方法tic;  %开始计时toc;  %停止计时% 10.修改Matlab数字计算结果的格式为长数字形式（不使用则采用默认的四位小数或科学计数法形式）format long g% 11.无穷大数字的表示方法inf% 12.求两个整数相除的余数
% mod(被除数,除数)
mod(100,14)% 13.设置绘图中横轴和纵轴的范围
% axis([x1 x2 y1 y2])：其中x1表示x的下限，x2表示x的上限；y1表示y的下限，y2表示y的上限
x=1:0.01:3;
y=2*x;
plot(x,y)
axis([1 4 2 8]);% 14.设置程序暂停
% pause(暂停时间)：暂停时间用秒计算
pause(3)% 15.在图中指定坐标处标注文本
% text(横坐标,纵坐标,文本内容)
text(2,4,"示例");%% 数学规划问题% 1.线性规划函数：linprog函数
% [x,fval]=linprog(C,A,B,Aeq,Beq,lb,ub,xo)
% 其中C表示线性目标函数的参数向量（列向量）；A表示不等式约束条件构成的矩阵；B表示不等式约束条件的右边部分构成的向量；
% Aeq和Beq分别表示等式约束条件的矩阵和右边部分构成的向量；lb和ub分别表示决策变量的上下界向量；xo表示迭代求解的初始值（线性规划一般不用给）
% 注意事项：
% ①该函数默认求解的是决策函数的最小值，如果求最大值需要取相反数处理；
% ②如果哪一个约束不存在，可以使用 [] 进行代替
% ③所有不等式约束的不等条件均为小于等于，如果是大于等于则需要左右两边同时取相反数处理
% ④返回值中x表示最优解时x的取值向量，而fval表示最优解的值
% ⑤不是所有的数学规划问题都有最优解，有可能无解或有无穷多个解% 例题1：
C=[-5,-4,-6]';
A=[1 -1 1; 3 2 4; 3 2 0];
B=[20 42 30]';
lb=[0 0 0]';
[x,fval]=linprog(C,A,B,[],[],lb)% 例题2：
C=[0.04 0.15 0.1 0.125]';
A=[-0.03 -0.3 0 -0.15;0.14 0 0 0.07];
B=[-32,42]';
Aeq=[0.05 0 0.2 0.1];
Beq=[24];
lb=[0 0 0];
[x,fval]=linprog(C,A,B,Aeq,Beq,lb,[])% 例题3：
C=[-2 -3 5];
A=[-2 5 -1;1 3 1];
B=[-10 12]';
Aeq=[1 1 1];
Beq=[7];
lb=[0 0 0];
[x,fval]=linprog(C,A,B,Aeq,Beq,lb,[])
fval=-fval% 2.线性整数规划函数：intlinprog函数
% [x,fval]=linprog(C,intcon,A,B,Aeq,Beq,lb,ub,xo)
% 该函数与线性规划函数仅多了参数intcon，少了参数xo，其中intcon表示哪些决策变量要求取整数
% 可以利用intlinprog函数求解0-1线性规划问题（设置上界和下界即可）% 例题1：
C=[-5,-4,-6]';
A=[1 -1 1; 3 2 4; 3 2 0];
B=[20 42 30]';
lb=[0 0 0]';
[x,fval]=intlinprog(C,[1 2 3],A,B,[],[],lb)% 例题2：
C=[-20 -10]';
intcon=[1 2];
A=[5 4;2 5];
B=[24 13];
lb=[0 0]
[x,fval]=intlinprog(C,intcon,A,B,[],[],lb,[])
fval=-fval% 例题3：
C=[18 23 5]';
intcon=[3];
A=[107 500 0;-107 -500 0;72 121 65;-72 -121 -65];
B=[50000 -500 2250 -2000]';
lb=[0 0 0];
[x,fval]=intlinprog(C,intcon,A,B,[],[],lb,[])% 例题4：
C=[-3 -2 -1]';
intcon=[3];
A=[1 1 1];
B=[7];
Aeq=[4 2 1];
Beq=[12];
lb=[0 0 -inf];
[x,fval]=intlinprog(C,intcon,A,B,Aeq,Beq,lb,[])% 3.非线性规划函数求解：fmincon函数
% [x,fval]=fmincon(@func,x0,A,B,Aeq,beq,lb,ub,@nonlfun,option)
% 1.x0表示迭代的初始值。非线性规划问题的初始值非常重要，不可以省略。
% 2.该函数求解出的是局部最优解而不是全局最优解，如果需要求解全局最优解则可以尝试多组初始值选择最优解，或者使用蒙特卡洛模拟再代入初始值
% 3.option选项可以选择求解使用的算法，一般可以忽略，建议所有方法使用一次选择最优的方法。
% 四种可选方法分别为：interior_point（内点法） sqp（序列二次规划法） active-set（有效集法）
% trust-region-reflective（信赖域反射算法）
% option=optimoptions('fmincon','Algorithm',算法名称)
% 4.@fun表示目标函数，需要专门用一个m文件进行存储；@nunlfun表示非线性约束条件，同样需要使用一个单独的m文件进行存储
% 5.非线性不等式约束的右边只能为0% 例题1：
x0=[0 0];
A=[-2 3];
B=[6];
option=optimoptions('fmincon','Algorithm','sqp');
[x,fval]=fmincon(@fun1,x0,A,B,[],[],[],[],@nonlfun1)% 4.最大最小化规划问题求解：fminimax函数
% （由于使用次数较少，因此使用过程略）%% 附加部分：粒子群算法函数：particleswarm
% 注意事项：该算法只能用于求最小值，如果求最大值则需要取相反数
% 使用语法：[自变量最佳取值,最优解,返回标志,结构体]=particleswarm(@目标函数名,变量个数,自变量下界,自变量上界,可选项)
% 返回标志：返回标志为从1-6的六种，分别表示不同的返回情况
% 结构体：结构体中含有迭代次数的信息
% 可选项：可选项中的参数可以实现绘制出局部最优解随迭代次数变化的图像
narvs=2;
x_lb=[-15 -15];
x_ub=[15 15];
% 可选项中分别表示：①绘制迭代过程；②将粒子数设置为50个以提高精确的（默认为10个）；③调用其他函数帮助共同求解以提高精确度
options=optimoptions('particleswarm','PlotFcn','pswplotbestf','SwarmSize',50,'Hybrid',@fmincon);
[x,fval,exitflag,outputstruct]=particleswarm(@fun2,narvs,x_lb,x_ub,options)%% 第十二节课 预测模型% 1% 第十三节课 奇异值分解与图形处理% 1.矩阵的奇异值分解方法：[U,S,V]=svd(矩阵名)
A=magic(5);
[U,S,V]=svd(A)% 2.向程序中导入图片文件：imread函数
% imread(图片完整路径名)
% 注意事项：在进行奇异值分解前需要将矩阵的元素类型转化为double型，方法为double(矩阵名)
test_photo=imread("C:\Users\86139\Pictures\Saved Pictures\test.jpg");% 3.将彩色图片转化为灰色图片的函数：rgb2gray(导入的图片变量名)
test_photo=imread("C:\Users\86139\Pictures\Saved Pictures\test.jpg");
rgb2gray(test_photo)% 4.提取图片矩阵变量的方法：
% 提取RGB红色、绿色、蓝色元素值构成的矩阵：图片名(:,:,1)、图片名(:,:,2)、图片名(:,:,3)% 5.Matlab处理视频文件的方法
% ①向程序中导入视频文件：VideoReader(视频完整路径名)
% ②获取视频的总帧数：视频变量名.NumberOfFrames
% ③读出视频指定帧数的图像：read(视频变量名,帧数)
% ④保存处理后的图片：imwrite(图片变量名,图片保存完整路径名)% 更新13：Matlab三维图形的绘制% 1.mesh函数：用于某一区间内三维完整网格图（由网格拼接产生的图）的绘制
% ①mesh（X,Y,Z）：其中X,Y,Z均为m*n的矩阵，则（X(i,j) Y(i,j),Z(i,j)）是网格线的交点、
% 插入颜色栏后可以显示色阶，向量中元素不按照大小顺序排列也可，网格图会发生翻折X=[1,2,4;1,2,4];Y=[2,2,2;1,1,1];Z=[4,8,10;5,9,13];mesh(X,Y,Z)
% 插入颜色栏后可以显示色阶，向量中元素不按照大小顺序排列也可，网格图会发生翻折
% ②可以用alpha函数设置透明度（0-1），透明度越接近1越不透明，或者直接用hidden off将透明度设置为完全透明Z=[4,8,10;5,9,13];mesh(Z)alpha(0.5);hidden off;% 2.绘制三维曲面的等高线和底座的函数：meshc函数和meshz函数
% ①meshc函数：在mesh函数的基础上，在xOy平面上绘制等高线图
% meshc(x,y,z)：其中x y z表示的内容与mesh函数相同
[x,y]=meshgrid(-5:0.2,5);
z=x+y;
meshc(x,y,z);
% ②meshz函数：在mesh函数的基础上，在xOy平面上绘制曲面的底座% 3.绘制带填充的网格图：surf函数
% surf函数的使用方法与mesh函数的使用方法完全相同，但是mesh是进行画线，surf则是直接进行曲面的绘制
% surf函数还有surfc和surfl两个函数，分别可以在xOy上绘制等高线以及加上灯光效果（更加好看一些）% 4.绘制图像的子图效果：subplot函数
% subplot(行数,列数,位置)% 5.绘制图形的等高线：contour函数
% contour(x,y,z)% 6.符号函数的图形绘制（符号函数就是参数方程表示的函数）
% ①plot3函数：类似于plot函数，但是可以绘制出三维空间内的曲线图
x=1:0.01:5;
y=sin(x);
z=cos(x);
plot3(x,y,z);
% 使用close语句可以关闭所绘制的图像
% plot3函数也可以设置曲线的颜色、表现形式等等，设置方式与plot函数相同
% ②Matlab符号运算与相关函数图像绘制（相当于参数方程中的参数）
% 符号的定义方式：syms 符号名
% 符号函数的图像绘制：fplot3(x,y,z,[符号下限,符号上限])
syms t;
x=sin(t);
y=cos(t);
z=2*t;
fplot3(x,y,z,[-10 10]);
% 同样可以使用fmesh、fsurf等方式对符号函数的曲面进行绘制，此处不再赘述% 7.隐函数的三维图像的绘制方法：fimplicit3
% fimplicit3(函数句柄,绘图区间)
% 函数句柄可以表示为：函数名=@(输入参数) 输出表达式 的形式% Matlab的符号运算% 1.符号变量的创建
% syms 符号变量名
% 注释：可以用一个syms语句同时创建多个变量
syms y;
syms a b;% 2.符号方程的创建
% 符号方程可以理解为就是参数方程，右边部分为符号变量运算表达式的方程就是符号方程
syms a b;
c=a*a+b+a;% 3.符号变量的简单运算
% 符号变量的运算与一般变量的运算相同% 4.符号表达式的化简方法：simplify
% 化简语法：simplify(符号表达式)
syms a;
y=(cot(a/2)-tan(a/2))*(1+tan(a)*tan(a/2));
simplify(y)% 5.因式分解功能：factor函数
% ①factor(常数)：表示对常数进行因式分解
factor(16)
% ②factor(符号表达式)：表示对符号表达式进行因式分解
syms m n;
y=m^3-n^3;
factor(y)% 6.多项式展开函数和合并函数：expand函数和collect函数
% ①展开语法：expand(待展开符号多项式）
syms m;
y=m*(m*2-3*m*m);
z=expand(y)
% ②合并语法：collect(待合并符号多项式,需要合并的符号)
collect(z,m)% 7.计算分子和分母的函数：numden函数
% 使用语法：[分子名,分母名]=numden(符号表达式)
[z1,z2]=numden(sym(2.5))
% 此处的sym函数的作用是将其他数据类型转换为符号% 8.符号函数的求导：diff
% ①一元函数求导语法：diff(符号函数表达式,导数阶数)
syms x;
diff(cos(x),10)
% ②多元函数求导语法：diff(符号函数表达式,求导符号,导数阶数)
syms x y;
diff(x*x*x+y*y*y,y,3)
% 如果需要先对某个自变量求偏导数，再对另一个自变量求偏导数，则可以使用以下语法
% 语法：diff(符号函数表达式,第一个求导的符号,第二个求导的符号....)
diff(x*x*x+y*y*y,x,y)
% 注意事项：如果diff函数的作用对象不是符号函数表达式而是一个矩阵，那么其作用就是求差分% 9.符号函数的积分计算
% ①不定积分的计算：int(符号函数表达式,被积分变量)
syms x;
y=x*x;
int(y,x)
% ②定积分的计算：int(符号函数表达式,被积分变量,积分下限,积分上限)
syms x;
y=x*x;
int(y,x,0,2)
% 注意：不是所有的符号函数都可以计算积分，对于一些符号函数只能计算数值积分（积分的近似值）
% 计算数值积分的语法：integral(符号函数表达式,被积分变量,积分下限,积分上限)% 10.单变量和多变量方程、方程组求解：solve函数
% ①单变量方程求解语法：answer=solve(符号函数方程,待求解符号)
syms x;
answer=solve(sin(x)==1,x)
% 注意事项：符号函数方程的等式要用两个等号进行表示
% 对于周期函数，如果需要求解出所有解，那么需要对该函数使用附加参数
% ②多变量方程求解语法：与单变量方程求解相同，只是用其他变量来表示该变量
% ③方程组求解语法：answer=solve(多个方程构成的向量,待求解符号构成的向量)
syms x y;
answer=solve([x==2*y+1,y==2],[x,y]);
answer.x
answer.y% 11.二维符号函数图像的绘制：fplot函数
% 使用语法：fplot(符号函数表达式,符号区间)
syms x;
fplot(sin(x),[-3,3])% 12.指定解在指定区间内的方程：vpasolve函数
% 使用语法：vpasolve(符号方程表达式,求解变量,求解区间)
syms x;
vpasolve(sin(x)==1,x,[0,2])% Matlab求解微分方程的解析解（也就是函数表达式）：dsolve函数
% 使用语法：dsolve(方程1,方程2...,初始条件,待求解自变量)
% 在微分方程中，用D表示一阶微分，用D2表示二阶微分，以此类推
% 初始条件可以省略
dsolve('y-Dy=2*x','x')% 由于有些微分方程不存在解析解，因此只能退而求其次求出数值解：solver函数
数学建模中所需要使用到的Matlab（从零开始介绍）相关推荐

袁新生《LINGO和Excel在数学建模中的应用》
内容介绍本书深入浅出地介绍了LINGO的基础知识.用LINGO语言描述现实问题的方法和用Excel处理数据的方法,重点是这两种软件在解决各种优化问题以及在数学建模中的应用,通过丰富的实例介绍了把实际 ...
卓金武《MATLAB在数学建模中的应用》第2版
内容介绍本书的作者都具有实际的数学建模参赛经历和竞赛指导经验.书中内容完全是根据数学建模竞赛的需要而编排的,涵盖了绝大部分数学建模问题的matlab求解方法.本书内容分上下两篇.上篇介绍数学建模中常 ...
数学建模清风第三次直播：excel在数学建模中的应用
学习网址:课件下载数学建模清风第一次直播:传染病模型和微分方程拟合数学建模清风第二次直播:模拟退火算法数学建模清风第三次直播:excel在数学建模中的应用博客笔记: 数学建模清风第一次直播:传 ...
适合利用计算机模拟的是,计算机模拟在数学建模中的应用
计算机模拟在数学建模中的应用计算机模拟是按时间来划分的,因为计算机模拟实质上是系统随时间变化而变化的动态写照,以下是小编搜集整理的一篇探究计算机模拟在数学建模应用的论文范文,供大家阅读参考. [摘要 ...
数学建模灵敏度分析_数学建模中的灵敏度分析，到底在分析什么？
-2019/6/13- 概念在数学建模中使用最优化方法时,我们常常会忽略对模型进行灵敏度分析,若缺少这一个步骤,会使得模型的可靠度受到质疑,那到底什么是灵敏度分析? 参考百度:灵敏度分析,是研究与分 ...
matlab数学建模可应用到第几章,《MATLAB在数学建模中的应用(第2版)》
<MATLAB在数学建模中的应用(第2版)> 卓金武 (编者)) 基本信息 •出版社: 北京航空航天大学出版社; 第2版 (2014年9月1日) •丛书名: MATLAB开发实例系列图书 ...
数学建模中常用的方法
数学建模中常用的方法:类比法.二分法.差分法.变分法.图论法.层次分析法.数据拟合法.回归分析法.数学规划(线性规划,非线性规划,整数规划,动态规划,目标规划).机理分析.排队方法.对策方法.决策方法 ...
如何使用计算机建模,计算机模拟在数学建模中的应用
[摘要]本文主要阐述了如何利用计算机模拟来解决数学建模中的实际问题.首先,提出问题,根据问题的具体模式对其进行分析整理.其次,对上述问题进行数学建模.然后,利用计算机进行模拟,主要分为随机模拟(蒙特― ...
计算机技术在建模中的作用,谈计算机在数学建模中的作用
2 0 1 3年第 9期 (总第 1 3 1期) 信息通信 I NFORM AT1 0N& COMM UNI CAT I ON S 2Ol 3 ( S u m .N o l 3 1 ) 谈计算 ...
数学建模中所需要使用到的Matlab（从零开始介绍）

数学建模中所需要使用到的Matlab（从零开始介绍）相关推荐

最新文章

热门文章
