连续建模和最优化专题.ppt

————第三组30号 连续建模与最优化方法专题 8.1-8.2学习目标 ①掌握常见的连续知识点和连续建模技术； ②掌握数据插值和拟合的思想和方法； ③掌握最优化方法及模型求解决技巧； ④掌握数学软件（matlab）中关于连续题型求解方法和编程技巧； ⑤掌握数学软件（matlab）中关于优化化问题的求解方法和编程技巧。 一、数据插值和拟合的思想和方法 在工程实践与科学实验中,常常需要从一组试验数据之中找到自变量与因变量之间的关系，一般可用一个近似函数表示。函数产生的办法因观测数据的要求不同而异，数据插值与拟合是两种常用的方法。 MATLAB中的插值函数 拉格朗日插值法 利用均差的牛顿插值法 利用差分的牛顿插值法 Hermite插值 多项式曲线拟合 最小二乘拟合 2.1 MATLAB中一维插值有多种算法，由interp1函数中的method指定。 MATLAB中一维插值的各种算法如表所示。 method 方法描述 ‘nearest’ 最邻近插值：插值点处函数值取与插值点最邻近的已知点的函数值 ‘linear’ 分段线性插值：插值点处函数值由连接其最邻近的两侧点的线性函数预测，MATLAB中interp1的默认方法 ‘spline’ 样条插值：默认为三次样条插值。可用spline函数代替 ‘pchip’ 三次Hermite多项式插值。可用pchip函数代替 ‘cubic’ 同‘pchip’，三次Hermite多项式插值 分段线性插值 临近插值 球面插值 三次多项式插值 x=0:2*pi;y=sin(x);x1=0:0.5:2*pi;y1=interp1(x,y,x1);plot(x,y,o,x1,y1) x=0:2*pi;y=sin(x);x1=0:0.5:2*pi;y1=interp1(x,y,x1,’nearest’);plot(x,y,o,x1,y1) x=0:2*pi;y=sin(x);x1=0:0.5:2*pi;y1=interp1(x,y,x1,’spline’);plot(x,y,o,x1,y1) x=0:2*pi;y=sin(x);x1=0:0.5:2*pi;y1=interp1(x,y,x1,’cubic’);plot(x,y,o,x1,y1) 分段线性插值 临近插值 球面插值 三次多项式插值 2.2拉格朗日插值法 在MATLAB中编程实现拉格朗日插值法函数为：Language。 功能：求已知数据点的拉格朗日多项式； 调用格式：f= Language(x,y)或f= Language(x,y,x0)。 其中，x为已知数据点的x 坐标向量； y为已知数据点的y 坐标向量； x0为插值点的x坐标； f为求得的拉格朗日多项式或x0处的插值。 function f = Language(x,y,x0) %求已知数据点的拉格朗日多项式 %已知数据点的x 坐标向量:x %已知数据点的y 坐标向量:y %为插值点的x坐标:x0 %求得的拉格朗日多项式或x0处的插值:f syms t; if(length(x) == length(y)) n = length(x); else disp(x和y的维数不相等！); return; end %检错 f = 0.0; for(i = 1:n) l = y(i); for(j = 1:i-1) l = l*(t-x(j))/(x(i)-x(j)); end; for(j = i+1:n) l = l*(t-x(j))/(x(i)-x(j)); %计算拉格朗日基函数 end; f = f + l; %计算拉格朗日插值函数 simplify(f); %化简 if(i==n) if(nargin == 3) f = subs(f,t,x0); %计算插值点的函数值 else f = collect(f); %将插值多项式展开 f = vpa(f,6); %将插值多项式的系数化成6位精度的小数 end end end 根据下表的