Matlab与计算机仿真.ppt

误区二： 程序运行得这么慢，还不如用C/C++编呢！ 小规模问题，Matlab与其他高级语言运行时间差不多，对于大规模问题，不超过20mins是可接受的。 语言不分优劣，重要的是使用习惯，可以用自己熟悉的语言完成程序的主题，将结果用Matlab来显示，Matlab提供了与各高级语言的接口。 误区三 我们队要组队的话最好找一个参加ACM的 数学建模对程序的要求并不是特别高，只要求你会开机，会认识键盘，会用鼠标就成！ Matlab淡化了其他高级语言的语法上的严格，可以主要关注求解而不是语法错误 Matlab容易上手，一般对于一个没有学过C的人，边看边练，一天三小时的话，一周就能运用Matlab的大部分函数 对于有一定编程基础（上过C/C++课）有几个建议： 保持良好的程序结构（缩进，必要的注释） 善于使用良好的数据结构和算法 有良好的身体，才会有好的灵感 谦虚谨慎，戒骄戒躁 10万行就不能说自己了解Matlab 一个优秀的数据处理人员的专业素质是： 当讨论出具体模型后，要能写出大致的算法流程，寻找数据并作预处理，按算法迅速写好程序，并能根据运行结果反馈给队友模型改进方向，再根据队友的建议修改相应的程序，直到满意。最后作出直观合理的图形或表格，定量给出模型的评价参数 期望与大家交流 唐佩佳 tpj008716@stu.xjtu.edu.cn (非诚勿扰） 感谢同学们的参与和数学建模俱乐部的精心组织！ 推荐书目 刘会灯，朱飞，Matlab编程基础与典型运用，人民邮电出版社 * 5.1 多项式的四则运算及导数 %exp5_1_1% p1=[1 8 0 0 -10]; % p2=[2 -1 3]; % poly2str(p1,’x’) %以比较习惯的方式显示多项式 poly2str(p2,’x’) %以比较习惯的方式显示多项式 y=conv(p1,p2) %使用Conv函数求两多项式的乘积 poly2str(y,’x’) %以比较习惯的方式显示多项式 y1=polyder(y); %使用polyder函数求导数 poly2str(y1,’x’) %以比较习惯的方式显示多项式 5.2 多项式求值 polyval(p,a) %以p为系数的多项式，将自变量的值取a a 可以是一个数，也可以是矩阵，当其为矩阵时相当于取a 中的每一个元素，结果是一个矩阵 多项式求根 roots() 部分分式展开 residue() 多项式的微分积分 5.2 数据插值 5.2.1一维数据插值 Y1＝interp1(X,Y,X1,’method’) 根据X,Y的值，计算出在X1处的值，并返回给Y1，其中X,Y是两个等长的已知向量，分别描述采样点和样本值，X1描述欲插值的点，返回值Y1是与X1等长的插值结果。 method是插值函数的类型，允许的取值有linear(线性插值）、nearest（用最接近的相邻点插值）、cubic（三次插值）、spline（三次样条插值） 5.2.1二维数据插值 Z1=interp2(X,Y,Z,X1,Y1,’method’) 5.3 曲线拟合 多项式曲线拟合是一个用一个多项式来逼近一组给定的数据，拟合的准则是最小二乘法，即寻找一个f(x),使得 最小 拟合的阶数不宜太高！ 5.4 数据统计处理 函数名 功能 max(A) 矩阵或向量A的最大值 min(A) 矩阵或向量A的最小值 sum(A) 矩阵或向量A的和 mean(A) 矩阵或向量A的平均值 median(A) 矩阵或向量A的中值 corrcoef(X,Y) 矩阵X与Y的相关系数 排序 [Y,I]=sort(A,dim) 函数返回一个对A中的元素按升序排列的新向量，Y是排序后的向量，而I记录Y中的元素在A中的位置。 其中，dim指明对矩阵A中的列还是行排序，dim=1,则按列排，dim=2,则按行排。 6.1 绘图 以合适的图来表现结果很直观，很形象，比单纯数据更易理解，好的图将成就好的论文！ 结合经验，给出如下建议： exp6_1_1 火柴图 exp6_1_2 饼图 exp6_1_3 三维曲面图 7.1 在工程优化中的应用 matlab优化工具箱提供了大量优化函数来求解不同类型的优化问题 线性规划问题 无约束优化问题 有约束优化问题 二次规划问题 最小最大化问题 多目标规划问题 7.2 在自动控制中的应用 控制系统工具箱给出了丰富的函数来描述以下不同的不同控制系统形式,模型间的转换 按系统描述函数的形式来分 传递函数模型 零极点模型 状态空间方程 按输入输出