patternsearch
使用模式搜索找到函数的最小值
语法
描述
例子
无约束模式搜索最小化
函数使无约束问题最小化patternsearch
解算器。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
从这个点开始求最小值(0,0)
.
X0 = [0,0];X = patternsearch(fun,x0)
优化终止:网格尺寸小于options.MeshTolerance。X = -0.7037 -0.1860
线性不等式约束下的模式搜索
最小化受线性不等式约束的函数。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
设置两个线性不等式约束。
A = [-3,-2;4、7];B = [-1;-8];
从这个点开始求最小值[0.5, -0.5]
.
X0 = [0.5,-0.5];x = patternsearch(fun,x0,A,b)
优化终止:网格尺寸小于options.MeshTolerance。X = 5.2827 -1.8758
带边界的模式搜索
求一个只有约束的函数的最小值。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
找到最小值,当而且
.
lb = [0,-Inf];ub = [Inf,-3];A = [];B = [];Aeq = [];Beq = [];
从这个点开始求最小值(1、5)
.
X0 = [1,-5];x = patternsearch(fun,x0,A,b,Aeq,beq,lb,ub)
优化终止:网格尺寸小于options.MeshTolerance。X = 0.1880 -3.0000
带非线性约束的模式搜索
求受非线性不等式约束的函数的最小值。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
创建非线性约束
为此,在MATLAB路径上,将以下代码保存到一个名为ellipsetilt.m
.
函数[c,ceq] = ellipsetilt(x) ceq = [];C = x(1)*x(2)/2 + (x(1)+2)²+ (x(2)-2)²/2 -2;
开始patternsearch
从一开始(2, 2)
.
X0 = [-2,-2];A = [];B = [];Aeq = [];Beq = [];Lb = [];Ub = [];Nonlcon = @ellipsetilt;x = patternsearch(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
优化终止:网格尺寸小于选项。MeshTolerance而且constraint violation is less than options.ConstraintTolerance. x = -1.5144 0.0875
尝试不同的patternsearch
算法
有时候是不同的patternsearch
算法有明显不同的行为。虽然很难预测哪种算法对某个问题最有效,但您可以轻松地尝试不同的算法。对于本例,使用sawtoothxy
目标函数,在运行此示例时可用,并在其中进行了描述和绘制查找全局或多个局部极小值.
类型sawtoothxy
函数f = sawtooxy (x,y) [t r] = cart2pol(x,y);转换到极坐标的百分比h = cos(2*t - 1/2)/2 + cos(t) + 2;g = (sin (r) -罪(2 * r) / 2 +罪(3 * r) / 3 -罪(4 * r) / 4 + 4)…。* r。^ 2. / (r + 1);F = g.*h;结束
要查看不同算法在最小化此目标函数时的行为,请设置一些非对称边界。还要设置一个起始点x0
这远远不是真正的解决方案Sol = [0 0]
,在那里锯齿状(0,0)= 0
.
rng默认的X0 = 12*randn(1,2);Lb = [-15,-26];Ub = [26,15];Fun = @(x) sawtooxy (x(1),x(2));
最小化sawtoothxy
函数使用“经典”
patternsearch
算法。
Optsc = optimoptions(“patternsearch”算法=“经典”);[sol,fval,eflag,output] = patternsearch(fun,...x0 ,[],[],[],[], 磅,乌兰巴托,[],optsc)
优化终止:网格尺寸小于options.MeshTolerance。
索尔=1×2105× 0.9825
Fval = 1.3278e-09
Eflag = 1
输出=带字段的结构:函数:@(x)sawtoothxy(x(1),x(2))问题类型:'boundconstraints' pollmethod: 'gpspositivebasis2n' maxconstraint: 0搜索方法:[]迭代:52 funccount: 168 meshsize: 9.5367e-07 rngstate: [1×1 struct]消息:'优化终止:网格尺寸小于选项. meshtolerance。'
的“经典”
算法经过52次迭代和168次函数求值,最终得到全局解。
试“国家联盟”
算法。
rng默认的%用于再现性Optsn = optimoptions(“patternsearch”算法=“国家联盟”);[sol,fval,eflag,output] = patternsearch(fun,...x0 ,[],[],[],[], 磅,乌兰巴托,[],optsn)
优化终止:网格尺寸小于options.MeshTolerance。
索尔=1×26.3204 - 15.0000
Fval = 85.9256
Eflag = 1
输出=带字段的结构:函数:@(x)sawtoothxy(x(1),x(2))问题类型:'boundconstraints' pollmethod: 'nup ' maxconstraint: 0搜索方法:[]迭代:29 funccount: 88 meshsize: 7.1526e-07 rngstate: [1×1 struct]消息:'优化终止:网格尺寸小于选项. meshtolerance .'
这一次,求解器只经过29次迭代和88次函数计算就得到了一个局部解,但这个解不是全局解。
尝试使用“nups-mads”
算法,在坐标方向上不需要步长。
rng默认的%用于再现性Optsm = optimoptions(“patternsearch”算法=“nups-mads”);[sol,fval,eflag,output] = patternsearch(fun,...x0 ,[],[],[],[], 磅,乌兰巴托,[],optsm)
优化终止:网格尺寸小于options.MeshTolerance。
索尔=1×2104× -0.5275 0.0806
Fval = 1.5477e-08
Eflag = 1
输出=带字段的结构:函数:@(x)sawtoothxy(x(1),x(2))问题类型:'boundconstraints' pollmethod: 'nup -mads' maxconstraint: 0 searchmethod:[]迭代:55 funccount: 189 meshsize: 9.5367e-07 rngstate: [1×1 struct] message: '优化终止:网格尺寸小于选项. meshtolerance .'
这一次,求解器在55次迭代和189次函数求值中达到全局解,这与“经典”
算法。
使用非默认选项进行模式搜索
的进度设置选项patternsearch
解决方案的过程。
创建以下两变量目标函数。在MATLAB中®路径,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
集选项
给出迭代显示,并在每次迭代中绘制目标函数。
选项= optimoptions(“patternsearch”,“显示”,“通路”,“PlotFcn”, @psplotbestf);
从该点开始求目标的无约束最小值(0,0)
.
X0 = [0,0];A = [];B = [];Aeq = [];Beq = [];Lb = [];Ub = [];Nonlcon = [];x = patternsearch(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
Iter f-count f(x) MeshSize Method 0 1 1 1 1 4 -5.88607 2 Successful Poll 2 8 -5.88607 1 Refine Mesh 3 12 -5.88607 0.5 Refine Mesh 4 16 -5.88607 0.25 Refine Mesh (output) 63 218 -7.02545 1.907e-06 Refine Mesh 64 221 -7.02545 3.815e-06 Successful Poll 65 225 -7.02545 1.907e-06 Refine Mesh 66 229 -7.02545 9.537e-07 Refine Mesh Optimization terminated: Mesh size小于选项. meshtolerance。X = -0.7037 -0.1860
求函数值和最小值点
找到一个函数的最小值,并报告最小值的位置和值。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
从这个点出发,求出目标的无约束最小值(0,0)
.返回最小值的位置,x
的值有趣的(x)
.
X0 = [0,0];[x,fval] = patternsearch(fun,x0)
优化终止:网格尺寸小于options.MeshTolerance。X = -0.7037 -0.1860 fval = -7.0254
获取所有输出
为了检验patternsearch
求解过程,获得所有输出。
创建以下两变量目标函数。在MATLAB®路径上,将以下代码保存到一个名为psobj.m
.
函数y = psobj (x) y = exp (- x (1) ^ 2 x (2) ^ 2) * (1 + 5 * x (1) + 6 * x x (1) (2) + 12 * * cos (x (2)));
将目标函数设为@psobj
.
Fun = @psobj;
从这个点出发,求出目标的无约束最小值(0,0)
.返回解,x
,解处的目标函数值,有趣的(x)
、退出标志和输出结构。
X0 = [0,0];[x,fval,exitflag,output] = patternsearch(fun,x0)
优化终止:网格尺寸小于options.MeshTolerance。x = -0.7037 -0.1860 fval = -7.0254 exitflag = 1 output = struct with fields: function: @psobj problemtype: 'unconstrained' pollmethod: 'gpspositivebasis2n' maxconstraint: [] searchmethod: [] iterations: 66 funccount: 229 meshsize: 9.5367e-07 rngstate: [1x1 struct] message: '优化终止:网格尺寸小于选项. meshtolerance .'
的exitflag
是1
,表示收敛到局部最小值。
的输出
结构包含诸如迭代次数等信息patternsearch
有多少函数求值。将此输出结构与使用非默认选项进行模式搜索.在那个例子中,你得到了一些这样的信息,但是没有得到,例如,函数求值的数量。
输入参数
有趣的
- - - - - -最小化功能
函数处理|函数名
要最小化的函数,指定为函数句柄或函数名。的有趣的
函数接受一个向量x
并返回一个实标量f
,为点的目标函数x
.
你可以指定有趣的
作为文件的函数句柄
X = patternsearch(@myfun,x0)
在这里,myfun
是一个MATLAB函数,如
函数F = myfun(x) F =...计算x处的函数值
有趣的
也可以是匿名函数的函数句柄
x = patternsearch(@(x)norm(x)^2,x0,A,b);
例子:趣味= @(x)sin(x(1))*cos(x(2))
数据类型:字符
|function_handle
|字符串
x0
- - - - - -初始点
真正的向量
一个
- - - - - -线性不等式约束
真正的矩阵
线性不等式约束,指定为实矩阵。一个
是一个米
——- - - - - -据nvar
矩阵,米
是不等式的个数。
一个
编码米
线性不等式
A*x <= b
,
在哪里x
列向量是据nvar
变量x (:)
,b
列向量是米
元素。
例如,指定
x1+ 2x2≤10
3.x1+ 4x2≤20
5x1+ 6x2≤30日
给出这些约束条件:
A = [1,2;3,4;5,6];B = [10;20;30];
例子:要指定控制变量的和小于等于1,请给出约束条件A = ones(1,N)
而且B = 1
.
数据类型:双
b
- - - - - -线性不等式约束
真正的向量
线性不等式约束,指定为实向量。b
是一个米
元素的相关向量一个
矩阵。如果你通过了b
作为行向量,解算器内部转换b
对列向量b (:)
.
b
编码米
线性不等式
A*x <= b
,
在哪里x
列向量是N
变量x (:)
,一个
矩阵的大小米
——- - - - - -N
.
例如,指定
x1+ 2x2≤10
3.x1+ 4x2≤20
5x1+ 6x2≤30日
给出这些约束条件:
A = [1,2;3,4;5,6];B = [10;20;30];
例子:要指定控制变量的和小于等于1,请给出约束条件A = ones(1,N)
而且B = 1
.
数据类型:双
Aeq
- - - - - -线性等式约束
真正的矩阵
线性等式约束,指定为实矩阵。Aeq
是一个我
——- - - - - -据nvar
矩阵,我
是等式的个数。
Aeq
编码我
线性等式
Aeq*x = beq
,
在哪里x
列向量是N
变量x (:)
,说真的
列向量是我
元素。
例如,指定
x1+ 2x2+ 3x3.= 10
2x1+ 4x2+x3.= 20,
给出这些约束条件:
Aeq = [1,2,3;2,4,1];Beq = [10;20];
例子:要指定控制变量的和为1,请给出约束条件Aeq = ones(1,N)
而且Beq = 1
.
数据类型:双
说真的
- - - - - -线性等式约束
真正的向量
线性等式约束,指定为实向量。说真的
是一个我
元素的相关向量Aeq
矩阵。如果你通过了说真的
作为行向量,解算器内部转换说真的
对列向量说真的(:)
.
说真的
编码我
线性等式
Aeq*x = beq
,
在哪里x
列向量是N
变量x (:)
,Aeq
矩阵的大小微地震
——- - - - - -N
.
例如,指定
x1+ 2x2+ 3x3.= 10
2x1+ 4x2+x3.= 20,
给出这些约束条件:
Aeq = [1,2,3;2,4,1];Beq = [10;20];
例子:要指定控制变量的和为1,请给出约束条件Aeq = ones(1,N)
而且Beq = 1
.
数据类型:双
磅
- - - - - -下界
真正的向量|真正的数组
下界,指定为实向量或实数组。如果元素的个数x0
等于磅
,然后磅
指定
X (i) >= lb(i)
对所有我
.
如果数值(lb) <数值(x0)
,然后磅
指定
X (i) >= lb(i)
为
1 <= I <= number (lb)
在这种情况下,求解器发出警告。
例子:要指定所有控制变量都是正的,Lb = 0 (size(x0))
数据类型:双
乌兰巴托
- - - - - -上界
真正的向量|真正的数组
上界,指定为实向量或实数组。如果元素的个数x0
等于乌兰巴托
,然后乌兰巴托
指定
X (i) <= ub(i)
对所有我
.
如果Numel (ub) < Numel (x0)
,然后乌兰巴托
指定
X (i) <= ub(i)
为
1 <= I <= numel(ub)
在这种情况下,求解器发出警告。
例子:要指定所有控制变量都小于1,Ub = ones(size(x0))
数据类型:双
nonlcon
- - - - - -非线性约束
函数处理|函数名
非线性约束,指定为函数句柄或函数名。nonlcon
函数接受向量或数组吗x
并返回两个数组,c (x)
而且量表(x)
.
c (x)
非线性不等式的约束数组是在x
.patternsearch
试图满足C (x) <= 0
对于所有
c
.量表(x)
非线性等式约束的数组是在x
.patternsearch
试图满足Ceq (x) = 0
对于所有
量表信
.
例如,
x = patternsearch(@myfun,x0,A,b,Aeq,beq,lb,ub,@mycon)
在哪里mycon
是一个MATLAB函数,如
函数[c,ceq] = mycon(x) c =...计算x处的非线性不等式。量表信=...计算x处的非线性等式。
数据类型:字符
|function_handle
|字符串
选项
- - - - - -优化选项
返回的对象optimoptions
|结构
优化选项,指定为返回的对象optimoptions
(推荐),或结构。
优化选项如下表所示。optimoptions
中显示的选项斜体;看到optimoptions隐藏的选项.{}
表示默认值。参见模式搜索选项.
选项patternsearch
选项 | 描述 | 值 |
---|---|---|
算法 |
使用的算法patternsearch .的算法 设置将影响可用选项。具体算法请参见模式搜索轮询如何工作而且非均匀模式搜索算法. |
{“经典”} |“国家联盟” |“nups-gps” |“nups-mads” |
缓存 | 与 请注意
|
|
CacheSize | 历史的大小。 |
正标量| |
CacheTol | 从当前网格点到历史上任何一点的最大距离为 |
正标量| |
|
约束的容忍度。 对于选项结构,使用 |
正标量| |
|
显示的级别,意味着有多少信息 |
“关闭” |“通路” |“诊断” |{“最终”} |
FunctionTolerance |
公差对功能的影响。如果函数值的变化小于则迭代停止 对于选项结构,使用 |
正标量| |
InitialMeshSize |
算法的初始网格大小。看到模式搜索轮询如何工作. |
正标量| |
InitialPenalty | 惩罚参数的初始值。看到非线性约束求解算法. |
正标量| |
|
目标函数求值的最大个数。 对于选项结构,使用 |
正整数| |
|
最大迭代次数。 对于选项结构,使用 |
正整数| |
MaxMeshSize | 轮询或搜索步骤中使用的最大网格尺寸。看到模式搜索轮询如何工作. |
正标量| |
|
允许优化的总时间(以秒为单位)。 对于选项结构,使用 |
正标量| |
MeshContractionFactor |
不成功迭代的网格收缩因子。 此选项仅适用于 对于选项结构,使用 |
正标量| |
MeshExpansionFactor |
网格扩展因子迭代成功。 此选项仅适用于 对于选项结构,使用 |
正标量| |
MeshRotate | 标记,在声明一个点为最优点之前旋转模式。看到网格选项. 此选项仅适用于 |
|
|
网孔尺寸公差。 对于选项结构,使用 |
正标量| |
|
由优化函数在每次迭代中调用的函数。指定为函数句柄或函数句柄的单元格数组。 对于选项结构,使用 |
函数句柄或函数句柄的单元格数组| |
PenaltyFactor | 惩罚更新参数。看到非线性约束求解算法. |
正标量| |
|
模式搜索的输出图。指定为内置绘图函数、函数句柄或内置绘图函数或函数句柄名称的单元格数组的名称。 对于选项结构,使用 |
|
PlotInterval | 图的迭代次数。 |
正整数| |
|
模式搜索中使用的轮询策略。 此选项仅适用于 请注意 当问题具有线性等式约束时,不能使用MADS轮询。 |
|
PollOrderAlgorithm |
模式搜索中轮询方向的顺序。 此选项仅适用于 对于选项结构,使用 |
|
ScaleMesh |
自动缩放变量。 对于选项结构,使用 |
|
SearchFcn |
模式搜索中使用的搜索类型。作为名称或函数句柄指定。 对于选项结构,使用 |
|
StepTolerance |
对变量的容忍。如果位置的变化和网格尺寸都小于,迭代就会停止 对于选项结构,使用 |
正标量| |
TolBind | 绑定的宽容。看到约束参数. |
正标量| |
UseCompletePoll |
标志以完成围绕当前点的轮询。看到模式搜索轮询如何工作. 此选项仅适用于 请注意 为 从R2019a开始,设置 对于选项结构,使用 |
|
UseCompleteSearch |
标记,当搜索方法为轮询方法时,围绕当前点完成搜索。看到搜索和轮询. 此选项仅适用于 请注意 为 对于选项结构,使用 |
|
|
标志来并行计算目标函数和非线性约束函数。看到矢量化和并行选项而且如何在全局优化工具箱中使用并行处理. 请注意 为 从R2019a开始,设置 请注意
|
|
|
指定函数是否向量化。看到矢量化和并行选项而且向量化目标函数和约束函数. 请注意 为 对于选项结构,使用 |
|
例子:options = optimoptions("patternsearch",MaxIterations=150,MeshTolerance=1e-4)
问题
- - - - - -问题的结构
结构
问题结构,指定为具有以下字段的结构:
客观的
-目标函数x0
-起点Aineq
-矩阵线性不等式约束bineq
-线性不等式约束向量Aeq
-矩阵线性等式约束说真的
-线性等式约束向量磅
的下界x
乌兰巴托
-的上限x
nonlcon
-非线性约束函数解算器
- - - - - -“patternsearch”
选项
-使用optimoptions
或者一个结构rngstate
—可选字段,重置随机数发生器状态
请注意
所有字段问题
都是必需的,除了rngstate
.
数据类型:结构体
输出参数
fval
-解处的目标函数值
实数
目标函数在解处的值,作为实数返回。一般来说,fval
=有趣的(x)
.
exitflag
- - -原因patternsearch
停止
整数
原因patternsearch
停止,以整数形式返回。
出口标志 | 意义 |
---|---|
|
无非线性约束—网目尺寸的大小小于规定的公差,且约束违反小于 |
有非线性约束-大小互补措施(在该表之后定义)小于 |
|
|
的变化 |
|
的变化 |
|
步进的幅度小于机器精度,约束违反小于 |
|
达到函数计算或迭代的最大数量。 |
|
由输出函数或绘图函数终止的优化。 |
|
找不到可行点。 |
在非线性约束求解器中,采用互补措施向量的范数是哪些元素c我λ我,在那里c我非线性不等式约束违反,和λ我为对应的拉格朗日乘子。
输出
—优化过程信息
结构
关于优化过程的信息,作为包含以下字段的结构返回:
函数
-目标函数。problemtype
-问题类型,其中之一:无约束的
“boundconstraints”
“linearconstraints”
“nonlinearconstr”
pollmethod
—轮询技术。searchmethod
-使用的搜索技术(如有)。迭代
-总迭代次数。funccount
-功能评估总次数。meshsize
-网目尺寸为x
.maxconstraint
-最大约束违反(如有)。rngstate
MATLAB随机数生成器的状态,在算法开始之前。中的值可以使用rngstate
在使用随机搜索方法或随机轮询方法时再现输出。看到复制的结果,其中讨论了相同的技术遗传算法
.消息
—算法终止的原因。
算法
默认情况下,如果没有线性约束,patternsearch
根据与坐标方向对齐的自适应网格寻找最小值。看到什么是直接搜索?而且模式搜索轮询如何工作.
当你设置算法
选项“国家联盟”
或者它的变体之一,patternsearch
使用中描述的算法非均匀模式搜索算法.该算法与默认算法在几个方面有所不同;例如,它有更少的选项可以设置。
选择功能
应用程序
的优化活动编辑器任务提供了一个可视化界面patternsearch
.
参考文献
Charles Audet和J. E. Dennis Jr. <广义模式搜索的分析>。SIAM优化期刊.第13卷,第3期,2003年,第889-903页。
[2]康恩,n·i·m·古尔德,l·托因特博士。一种全局收敛的增广拉格朗日势垒算法,用于具有一般不等式约束和简单边界的优化。计算数学.第66卷,第217期,1997年,第261-288页。
[3]艾布拉姆森,马克A。混合变量一般约束优化问题的模式搜索滤波算法.2002年8月,莱斯大学计算与应用数学系博士论文。
[4]艾布拉姆森,马克A,查尔斯奥德特,J. E.丹尼斯,Jr.和塞巴斯蒂安·勒·迪格贝尔。具有正交方向的确定性MADS实例。SIAM优化期刊.第20卷,第2期,2009,第948-966页。
[5]科尔达,塔玛拉G.,罗伯特迈克尔刘易斯,和弗吉尼亚托尔松。“直接搜索优化:一些经典和现代方法的新视角。”暹罗审查.第45卷,2003年第3期,第385-482页。
[6]科尔达,塔玛拉G.,罗伯特迈克尔刘易斯,和弗吉尼亚托尔松。一种结合一般约束和线性约束的发电机组直接搜索增广拉格朗日优化算法。技术报告SAND2006-5315,桑迪亚国家实验室,2006年8月。
[7]刘易斯,罗伯特·迈克尔,安妮·谢泼德和弗吉尼亚·托尔松。实现线性约束最小化的生成集搜索方法SIAM科学计算杂志.第29卷,第6期,2007,第2507-2530页。
扩展功能
自动平行支撑金宝app
通过使用并行计算工具箱™自动并行运行计算来加速代码。
要并行运行,请设置“UseParallel”
选项真正的
.
Options = optimoptions('
solvername
”、“UseParallel’,真的)
有关更多信息,请参见如何在全局优化工具箱中使用并行处理.
版本历史
R2006a之前介绍
Abrir比如
Tiene una versión modificada de este ejemplo。¿Desea abrir este ejemplo con sus modificaciones?
MATLAB突击队
Ha hecho clic en unenlace que对应一个este commando de MATLAB:
弹射突击队introduciéndolo en la ventana de commandos de MATLAB。Los navegadores web no permission comandos de MATLAB。
您也可以从以下列表中选择一个网站:
如何获得最佳的网站性能
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。