#include "iostream" using namespace std; class Matrix { private: double** A; //矩阵A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //为向量b分配空间并初始化为0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //为向量A分配空间并初始化为0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析构中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"请输入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"请输入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"个:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分别求得U，L的第一行与第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分别求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"计算U得:"<<endl; U.Disp(); cout<<"计算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
标签： 道理特分解法
上传时间： 2018-05-20
上传用户：Aa123456789
问题描述：以一个m*n的长方阵表示迷宫，0和1分别表示迷宫中的通路和障碍。设计一个程序，对任意设定的迷宫，求出一条从入口到出口的通路，或得出没有通路的结论。 1.基本要求 （1）首先实现一个以链表作存储结构的栈类型，然后编写一个求解迷宫的非递归程序。求得的通路以三元组（i，j，d）的形式输出。其中：（i，j）指示迷宫中的一个坐标，d表示走到下一坐标的方向。如下图所示迷宫。从入口（1，1）到出口（8，8）的求解结果如下： （1，1）（1，2），（2，2）（3，2）（3，1）（4，1）（5，1）（5，2）（5，3）（6，3）（6，4）（6，5）（5，5）（4，5）（4，6）（4，7）（3，7）（3，8）（4，8）（5，8）（6，8）（7，8）（8，8） （2）以方阵形式输出迷宫及其通路。 2.重点、难点 重点：针对迷宫问题的特点，利用栈的后进先出特点，选择适当的数据结构。 难点：递归算法的设计与求解。
标签： 迷宫
上传时间： 2018-07-03
上传用户：MOOMWHITE
在微电网调度过程中综合考虑经济、环境、蓄电池的 循环电量，建立多目标优化数学模型。针对传统多目标粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚类分析的多目标粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，FCMOPSO)，在迭代过程中引入模糊聚 类分析来寻找每代的集群最优解。与 MOPSO 相比， FCMOPSO 增强了算法的稳定性与全局搜索能力，同时使优 化结果中 Pareto 前沿分布更均匀。在求得 Pareto 最优解集 后，再根据各目标的重要程度，用模糊模型识别从最优解集 中找出不同情况下的最优方案。最后以一欧洲典型微电网为 例，验证算法的有效性和可行性。
上传时间： 2019-11-11
上传用户：Dr.赵劲帅
function [R,k,b] = msc(A) % 多元散射校正 % 输入待处理矩阵，通过多元散射校正，求得校正后的矩阵 %% 获得矩阵行列数 [m,n] = size(A); %% 求平均光谱 M = mean(A,2); %% 利用最小二乘法求每一列的斜率k和截距b for i = 1:n a = polyfit(M,A(:,i),1); if i == 1 k = a(1); b = a(2); else k = [k,a(1)]; b = [b,a(2)]; end end %% 求得结果 for i = 1:n Ai = (A(:,i)-b(i))/k(i); if i == 1 R = Ai; else R = [R,Ai]; end end
上传时间： 2020-03-12
上传用户：15275387185
在高温环境下工作时，专用的防护服装不可或缺。专用服装通常由多层织物构成，不同织物的密度、比热、热传导率都有所不同，不同的厚度搭配会对服装的防护性能和舒适度有所影响。本文主要通过研究特定的织物在相同的工作防护能力要求下，最优的厚度配比，为高温作业服装最优厚度设计提供参考。 针对问题一，采取控制变量法，根据附件二中的数据，使用MATLAB曲线拟合工具箱对数据进行分析，建立了温度-厚度指数曲线模型，得出假人皮肤外侧的温度与外界环境温度成正比的关系，和II层与IV层的厚度的平方成反比关系的结论，计算出在不同的温度环境和不同厚度的织物材料条件下的温度分布，得到了problem1.xlsx。 针对问题二，根据问题一中建立的温度-厚度指数曲线模型建立出最优化模型，将题目中的已知条件带入数学模型表达式，再根据已知条件建立相关不等式，使用MATLAB软件对相关不等式进行非线性规划求得最优解，即可获得问题二的解，根据模型一确定的II层最优厚度为6.167mm，根据模型二确定的II层最优厚度为5.835mm。 针对问题三，考虑到舒适性和功能性两大特性的平衡，将附件1中的三个指标以热扩散率来整合，将其与问题一和问题二中的模型进行联系，建立了热扩散-最优厚度模型，带入题目中的已知条件，使用lingo软件，通过非线性规划方法，建立最优化模型，对数据的最优化解进行求解，即可得到II层和IV层的最优厚度，根据模型一确定的II层和IV层的最优厚度分别为6.225mm和0.6mm。
上传时间： 2020-03-17
上传用户：成成爱吃鱼
基本误差 在相关国标、规程规定的参比条件下，输出电流为50mA～120A装置的最大允许误差（含标准表）小于0.01％，输出电流为1mA～50mA装置的最大允许误差（含标准表）小于0.015％。 可实现三只三相电能表的三相四线及三相三线的误差测量；可测试无功电能基本误差。 1.2.3.2 测量重复性 装置的测量重复性用实验标准差表征，在进行不少于10次的重复测量，其测量结果的标准偏差估计值s不超过0.001％。 1.2.3.3 输出电量 1.2.3.3.1 电压电流量程 输出电压范围：3×（57.7V～380V）； 每档电压输出瞬间及相位切换时不允许有尖峰。每档电压输出上限达120%Un。 输出电流范围：3×（0.001A～100A）； 输出电流范围上限要求达到120A。每档电流输出瞬间及相位切换时不允许有尖峰。每档电流输出上限达120%In。 1.2.3.3.2 输出负载容量 三表位：电压输出：每相≥150VA 电流输出: 每相≥300VA 1.2.3.3.3 输出电量调节 （1） 电压、电流调节： 调节范围：0%～120% 调节细度：优于0.005%。 （2） 相位调节： 调节范围：0°～360° 调节细度：优于0.01°。 （3） 频率调节： 调节范围：45Hz～65Hz 调节细度：优于0.001Hz。 1.2.3.3.4 输出功率稳定度：<0.005% / 3min . 稳定度按JJG597的5.2.3.13方法计算。 1.2.3.3.5 输出电压电流失真度 装置输出电压电流失真度范围：小于0.1%。 1.2.3.3.6起动电流：装置具有起动电流调整、测量功能，能输出0.5mA的起动电流。 起动电流的测量误差≤ 5%，起动功率的测量误差 ≤ 10%。 1.2.3.3.7三相电量对称性 任一相（或线）电压和相（或线）电压平均值之差不大于±0.1%；各相电流与其平均值之差不大于±0.2%；任一相电压与对应相电流间的相位角之差不大于0.5°；任一相电压（电流）与另一相电压（电流）间相位角与120°之差不大于0.5°。 1.2.3.4 多路隔离输出的装置各路输出负载影响应符合JJG597—2005中 3.8条的规定。 1.2.3.5 确定同名端钮间电位差应符合JJG597—2005中3.9条的规定。 1.2.3.6 多路输出的一致性应符合JJG597—2005中3.7条的规定。 1.2.3.7 监视示值的误差 监视仪表应有足够的测量范围，电压示值误差限为±0.2%，电流、功率示值误差限为±0.2%，相位示值误差限为±0.3°，频率示值误差限为±0.1%，启动电流和启动功率的监视示值误差不超过5%（启动电流为1mA时的监视示值误差也不应超过5%）。各监视示值的分辨力应不超过其对应误差限的1/5。 1.2.3.8 具有消除自激的功能。可自动消除开机或关机时产生的尖脉冲。 1.2.3.9 装置的磁场 由装置产生的在被检表位置的磁感应强度不大于下列数值： I≤10A时，B≤0.0025mT； I=200A时，B≤0.05mT；10A到200A之间的磁感应强度极限值可按内插法求得。 1.2.3.10 电磁兼容性 （1）电磁骚扰的抗扰度 装置的设计能保证在传导和辐射的电磁骚扰以及静电放电的影响下不损坏或不受实质性影响（如元器件损毁、控制系统死机、精度出现变化等影响正常检定工作的现象），骚扰量为静电放电、射频电磁场。 （2）无线电干扰抑制 装置不发生能干扰其他设备的传导和辐射噪声。 1.2.3.11 稳定性变差 （1）短期稳定性变差 装置基本误差合格的同时，在15min内的基本误差最大变化值（连续测量7h），不大于装置对应最大允许误差的20％。 （2）检定周期内变差 检定周期内装置基本误差合格的同时，其最大变化值，不大于0.01％。 1.2.3.12 安全 装置的绝缘强度试验要求和与安全有关的结构要求符合GB 4793.1的规定。 1.2.3.13 脉冲输出 同时检测三路被检脉冲：显示当前误差平均误差和标准偏差；同时检测的被检脉冲的常数、工作方式和脉冲个数，可完全不同；误差测量所需要的输入参数的位数，应能覆盖目前各种标准表和的检测需要。对每一表位应有高频、低频脉冲信号的BNC接收端口，能接收≤600kHz的有/无源脉冲（5-30V脉冲幅值）。 1.2.3.14供电电源 供电电源在3×220V/380V10,50Hz2Hz装置正常工作。
上传时间： 2021-06-15
上传用户：li091122
高度数据的准确获取是飞控系统研制过程中极其重要的一环，是保证无人飞行器按照一定高程工作、平稳着陆的先决条件。但对于低成本惯性导航解算，位置漂移严重[]，虽可通过加速度计姿态校正来抑制部分漂移，但解算出的速度与位置仍然不准确。因此需利用除惯导外的其它传感器测量值作为位置观测量参与滤波，在抑制位置漂移的情况下，修正速度与加速度，提高高程数据的精度。目前文献中大多是将惯性导航作为一个整体，对惯导的三维位置及速度进行滤波。如SINS/GPS组合导航，通过组合导航对SINS速度及位置漂移进行抑制[2][3]。但是当只需要高度方向上的数据时，此种做法往往计算量大，步骤繁琐，且整体滤波兼顾经度、纬度、高程等多个因素，反而影响了高度方向的滤波效果，且当SINS/GPS组合导航中的GPS信号较差时，得到的高度观测量误差也大。可见，当单一的高度传感器观测数据出现异常时，滤波后的高度也会出现异常。针对单传感器无法适应复杂工作环境的缺点，本文结合GPS、气压计及惯导系统的优点，来抑制惯导高度方向上的发散。通过构建GPS与气压计数据的权重模型获得高度方向观测量，使用互补滤波算法融合惯导数据与求得的观测量得到更为精确的高度观测值。算法简易，鲁棒性好，可在嵌入式飞控板中实时运行。
上传时间： 2022-07-16
上传用户：
