patternsearch
找到最小的函数使用模式搜索
语法
描述
例子
无约束模式搜索最小化
减少使用一个无约束问题patternsearch
解算器。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
找到最小,在点开始(0,0)
。
x0 = (0,0);x0, x = patternsearch(有趣)
优化终止:网格大小小于options.MeshTolerance。x = -0.7037 - -0.1860
模式搜索与线性不等式约束
最小化函数线性不等式约束。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
设置两个线性不等式约束。
一个= [3 2;4、7];b = (1; 8);
找到最小,在点开始[0.5,-0.5]
。
x0 = [0.5, -0.5];x = patternsearch(乐趣,x0, A, b)
优化终止:网格大小小于options.MeshTolerance。x = 5.2827 - -1.8758
模式搜索与界限
发现一个函数的最小只有绑定约束。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
找到最低的时候和。
磅=(0,负);乌兰巴托=[正无穷,3];一个= [];b = [];Aeq = [];说真的= [];
找到最小,在点开始(1、5)
。
x0 = (1、5);x = patternsearch (Aeq有趣,x0, A, b,说真的,磅,乌兰巴托)
优化终止:网格大小小于options.MeshTolerance。x = 0.1880 - -3.0000
与非线性约束模式搜索
找到一个函数的最小非线性不等式约束。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
创建非线性约束
为此,MATLAB路径,将下面的代码保存到一个文件中命名ellipsetilt.m
。
函数测查[c] = ellipsetilt测查(x) = [];c = x (1) * (2) / 2 + (x (1) + 2) ^ 2 + (x (2) 2) ^ 2/2 - 2;
开始patternsearch
从最初的点(2,2)
。
x0 = (2, 2);一个= [];b = [];Aeq = [];说真的= [];磅= [];乌兰巴托= [];nonlcon = @ellipsetilt;x = patternsearch (Aeq有趣,x0, A, b,说真的,磅,乌兰巴托,nonlcon)
优化完成:网格大小小于选项。MeshTolerance和constraint violation is less than options.ConstraintTolerance. x = -1.5144 0.0875
尝试不同的patternsearch
算法
有时是不同的patternsearch
算法有明显不同的行为。虽然很难预测哪些算法最适合一个问题,你可以尝试不同的算法。对于这个示例,使用sawtoothxy
目标函数,可当你运行这个例子,描述和绘制发现全球或多个局部最小值。
类型sawtoothxy
函数f = sawtoothxy (x, y) [t r] = cart2pol (x, y);变化百分比极坐标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
看到不同的算法的行为当最小化目标函数,设置一些不对称的边界。还设置一个初始点x0
这是真正的解决方案索尔= [0 0]
,在那里sawtoothxy (0, 0) = 0
。
rng默认的x0 = 12 * randn (1、2);磅= (-15、-26);乌兰巴托=(26日15);有趣= @ (x) sawtoothxy (x (1), (2));
最小化sawtoothxy
函数使用“经典”
patternsearch
算法。
optsc = optimoptions (“patternsearch”算法=“经典”);[溶胶,fval eflag、输出]= patternsearch(有趣,…x0,[]、[][],[],磅,乌兰巴托,[],optsc)
优化终止:网格大小小于options.MeshTolerance。
索尔=1×2105×0.9825 0
fval = 1.3278 e-09
eflag = 1
输出=结构体字段:功能:@ (x) sawtoothxy (x (1), (2) problemtype:“boundconstraints”pollmethod:“gpspositivebasis2n”maxconstraint: 0 searchmethod:[]迭代:52 funccount: 168 meshsize: 9.5367 e-07 rngstate: [1×1 struct]消息:“优化终止:网格大小小于options.MeshTolerance。”
的“经典”
算法达到52迭代和168年全球解决方案功能评估。
试“国家联盟”
算法。
rng默认的%的再现性optsn = optimoptions (“patternsearch”算法=“国家联盟”);[溶胶,fval eflag、输出]= patternsearch(有趣,…x0,[]、[][],[],磅,乌兰巴托,[],optsn)
优化终止:网格大小小于options.MeshTolerance。
索尔=1×26.3204 - 15.0000
fval = 85.9256
eflag = 1
输出=结构体字段:功能:@ (x) sawtoothxy (x (1), (2) problemtype:“boundconstraints”pollmethod:“国家联盟”maxconstraint: 0 searchmethod:[]迭代:29 funccount: 88 meshsize: 7.1526 e-07 rngstate: [1×1 struct]消息:“优化终止:网格大小小于options.MeshTolerance。”
这次的解算器到达当地的解决方案在88年迭代和29日功能评估,但解决的办法不是全球解决方案。
试着使用“nups-mads”
算法,将没有坐标方向的步骤。
rng默认的%的再现性optsm = optimoptions (“patternsearch”算法=“nups-mads”);[溶胶,fval eflag、输出]= patternsearch(有趣,…x0,[]、[][],[],磅,乌兰巴托,[],optsm)
优化终止:网格大小小于options.MeshTolerance。
索尔=1×2104×-0.5275 - 0.0806
fval = 1.5477 e-08
eflag = 1
输出=结构体字段:功能:@ (x) sawtoothxy (x (1), (2) problemtype:“boundconstraints”pollmethod:“nups-mads”maxconstraint: 0 searchmethod:[]迭代:55 funccount: 189 meshsize: 9.5367 e-07 rngstate: [1×1 struct]消息:“优化终止:网格大小小于options.MeshTolerance。”
这一次,全球解决方案解决者达到189年55迭代和功能评价,这是相似的“经典”
算法。
模式搜索非默认选项
选项设置为观察的进展patternsearch
解决方案的过程。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
集选项
给迭代显示和绘制目标函数在每个迭代。
选择= optimoptions (“patternsearch”,“显示”,“通路”,“PlotFcn”,@psplotbestf);
找到目标的无约束最小从点(0,0)
。
x0 = (0,0);一个= [];b = [];Aeq = [];说真的= [];磅= [];乌兰巴托= [];nonlcon = [];x = patternsearch (Aeq有趣,x0, A, b,说真的,磅,乌兰巴托,nonlcon,选项)
Iter f-count f (x) MeshSize方法-5.88607 0 1 1 1 1 4 2成功的调查2 8 -5.88607 - 1完善网3 12 -5.88607 0.5细化网格4 16 -5.88607 - 0.25细化网格(输出修剪)63 218 -7.02545 1.907 e-06细化网格64 221 -7.02545 3.815 e-06成功调查65 225 -7.02545 1.907 e-06细化网格66 229 -7.02545 9.537 e-07细化网格优化终止:网格大小小于options.MeshTolerance。x = -0.7037 - -0.1860
获取函数值和最小点
找到一个函数的最小值和报告的位置和价值最低。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
找到目标的无约束最小,从这一点(0,0)
。返回两个最低的位置,x
和的值有趣的(x)
。
x0 = (0,0);[x, fval] = patternsearch(有趣,x0)
优化终止:网格大小小于options.MeshTolerance。x = -0.7037 - -0.1860 fval = -7.0254
获得所有输出
检查patternsearch
解决方案的过程中,获得所有输出。
创建以下两变量目标函数。在你的MATLAB®路径,将下面的代码保存到一个文件中命名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)));
设置目标函数@psobj
。
有趣= @psobj;
找到目标的无约束最小,从这一点(0,0)
。返回的解决方案,x
解决方案,目标函数值,有趣的(x)
、出口标志和输出结构。
x0 = (0,0);[x, fval exitflag、输出]= patternsearch(有趣,x0)
优化终止:网格大小小于options.MeshTolerance。x = -0.7037 - -0.1860 fval = -7.0254 exitflag = 1输出=结构体字段:功能:@psobj problemtype:“无约束”pollmethod:“gpspositivebasis2n”maxconstraint: [] searchmethod:[]迭代:66 funccount: 229 meshsize: 9.5367 e-07 rngstate: [1 x1 struct]信息:“优化终止:网格大小小于options.MeshTolerance。”
的exitflag
是1
,表明收敛到局部最小值。
的输出
结构包括信息,比如有多少迭代patternsearch
了,有多少功能评估。这个输出结构与结果相比较模式搜索非默认选项。在这个示例中,您获得一些这方面的信息,但没有获得,例如,功能评价的数量。
输入参数
有趣的
- - - - - -函数最小化
函数处理|函数名
函数最小化,指定为一个函数处理或函数名。的有趣的
函数接受一个向量x
并返回一个真正的标量f
的目标函数值x
。
您可以指定有趣的
作为一个文件处理函数
x = patternsearch (x0 @myfun)
在这里,myfun
是一个MATLAB函数如
函数f = myfun f (x) =…在x %计算函数值
有趣的
还可以为一个匿名函数是一个函数处理
x = patternsearch (@ (x)规范(x) ^ 2, x0, A, b);
例子:有趣= @ (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,指定为一个真正的矩阵。一个
是一个米
——- - - - - -据nvar
矩阵,米
是不平等的数量。
一个
编码米
线性不等式
A * x < =
,
在哪里x
的列向量据nvar
变量x (:)
,b
是一个列向量米
元素。
例如,指定
x1+ 2x2≤10
3x1+ 4x2≤20
5x1+ 6x2≤30日
给这些约束:
= [1,2,3,4,5,6);b = (10、20、30);
例子:指定的控制变量和1或更少,给约束一个= 1 (1,N)
和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,指定为一个真正的向量。b
是一个米
元向量相关一个
矩阵。如果你通过b
作为一个行向量,解决内部转换b
的列向量b (:)
。
b
编码米
线性不等式
A * x < =
,
在哪里x
的列向量N
变量x (:)
,一个
是一个矩阵的大小米
——- - - - - -N
。
例如,指定
x1+ 2x2≤10
3x1+ 4x2≤20
5x1+ 6x2≤30日
给这些约束:
= [1,2,3,4,5,6);b = (10、20、30);
例子:指定的控制变量和1或更少,给约束一个= 1 (1,N)
和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,指定为一个真正的矩阵。Aeq
是一个我
——- - - - - -据nvar
矩阵,我
是平等的数量。
Aeq
编码我
线性等式
Aeq * x =说真的
,
在哪里x
的列向量N
变量x (:)
,说真的
是一个列向量我
元素。
例如,指定
x1+ 2x2+ 3x3= 10
2x1+ 4x2+x3= 20,
给这些约束:
Aeq = [1、2、3、2、4、1];说真的= (10、20);
例子:指定控制变量之和为1,给予约束Aeq = 1 (1, N)
和说真的= 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,指定为一个真正的向量。说真的
是一个我
元向量相关Aeq
矩阵。如果你通过说真的
作为一个行向量,解决内部转换说真的
的列向量说真的(:)
。
说真的
编码我
线性等式
Aeq * x =说真的
,
在哪里x
的列向量N
变量x (:)
,Aeq
是一个矩阵的大小微地震
——- - - - - -N
。
例如,指定
x1+ 2x2+ 3x3= 10
2x1+ 4x2+x3= 20,
给这些约束:
Aeq = [1、2、3、2、4、1];说真的= (10、20);
例子:指定控制变量之和为1,给予约束Aeq = 1 (1, N)
和说真的= 1
。
数据类型:双
磅
- - - - - -下界
真正的向量|真正的数组
下界,指定为一个真正的向量或真正的数组。如果元素的数量x0
等于的磅
,然后磅
指定
x(我)> =磅(我)
对所有我
。
如果元素个数(磅)<元素个数(x0)
,然后磅
指定
x(我)> =磅(我)
为
1我< < = =元素个数(磅)
在这种情况下,解决者发出警告。
例子:指定,所有控制变量是正的,磅= 0(大小(x0))
数据类型:双
乌兰巴托
- - - - - -上界
真正的向量|真正的数组
上界,指定为一个真正的向量或真正的数组。如果元素的数量x0
等于的乌兰巴托
,然后乌兰巴托
指定
x (i) < =乌兰巴托(我)
对所有我
。
如果元素个数(乌兰巴托)<元素个数(x0)
,然后乌兰巴托
指定
x (i) < =乌兰巴托(我)
为
1我< < = =元素个数(乌兰巴托)
在这种情况下,解决者发出警告。
例子:指定所有控制变量都小于1,乌兰巴托= 1(大小(x0))
数据类型:双
nonlcon
- - - - - -非线性约束
函数处理|函数名
非线性约束条件,指定为一个函数处理或函数名。nonlcon
是一个函数,它接受一个向量或数组x
并返回两个数组,c (x)
和量表(x)
。
c (x)
非线性不等式约束的数组x
。patternsearch
试图满足c (x) < = 0
所有条目的
c
。量表(x)
是非线性等式约束的数组x
。patternsearch
试图满足量表(x) = 0
所有条目的
量表信
。
例如,
x = patternsearch (Aeq @myfun x0, A, b,说真的,磅,乌兰巴托,@mycon)
在哪里mycon
是一个MATLAB函数如
函数测查[c] = mycon c (x) =…%计算非线性不等式在x。量表信=…在x %计算非线性等式。
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),或一个结构。
下表描述了优化选项。optimoptions
隐藏选项所示斜体;看到选项optimoptions隐藏。{}
表示默认值。看到选项的细节模式搜索选项。
选项patternsearch
选项 | 描述 | 值 |
---|---|---|
算法 |
所使用的算法 算法效果的例子,请参阅探索patternsearch算法和探索patternsearch算法优化生活编辑任务。 |
{“经典”} |“国家联盟” |“nups-gps” |“nups-mads” |
缓存 | 与 请注意
|
|
CacheSize | 历史上的大小。 |
积极的标量| |
CacheTol | 最大距离当前网格点上任意点为了 |
积极的标量| |
|
公差约束。 选择结构,使用 |
积极的标量| |
|
显示水平,意味着多少信息 |
“关闭” |“通路” |“诊断” |{“最终”} |
FunctionTolerance |
宽容在功能上。迭代停止如果函数值的变化小于 选择结构,使用 |
积极的标量| |
InitialMeshSize |
初始网格大小的算法。看到搜索轮询模式是如何运作的吗。 |
积极的标量| |
InitialPenalty | 惩罚参数的初始值。看到非线性约束求解算法进行模式搜索。 |
积极的标量| |
|
最大数量的目标函数的评价。 选择结构,使用 |
正整数| |
|
最大迭代次数。 选择结构,使用 |
正整数| |
MaxMeshSize | 最大网格大小用于调查或搜索的步骤。看到搜索轮询模式是如何运作的吗。 |
积极的标量| |
|
总时间(以秒为单位)允许优化。 选择结构,使用 |
积极的标量| |
MeshContractionFactor |
网格为一次不成功的迭代收缩因子。 该选项只适用于当 选择结构,使用 |
积极的标量| |
MeshExpansionFactor |
为一个成功的迭代网格扩展因数。 该选项只适用于当 选择结构,使用 |
积极的标量| |
MeshRotate | 国旗旋转模式之前声明一个最佳点。看到网格选项。 该选项只适用于当 |
|
|
筛孔尺寸公差。 选择结构,使用 |
积极的标量| |
|
在每个迭代函数由一个优化函数调用。指定一个函数处理或处理单元阵列的功能。 选择结构,使用 |
函数处理或处理单元阵列的功能| |
PenaltyFactor | 点球更新参数。看到非线性约束求解算法进行模式搜索。 |
积极的标量| |
|
块的输出模式搜索。指定一个内置的阴谋函数的名称,一个函数处理,或一个细胞数组的名字的内置函数或函数处理。 选择结构,使用 |
|
PlotInterval | 对情节的迭代次数。 |
正整数| |
|
轮询策略中使用的模式搜索。 该选项只适用于当 请注意 您不能使用马德斯轮询时线性等式约束问题。 |
|
PollOrderAlgorithm |
调查方向顺序模式搜索。 该选项只适用于当 选择结构,使用 |
|
ScaleMesh |
自动缩放变量。 选择结构,使用 |
|
SearchFcn |
类型的搜索模式中使用。指定一个名称或一个函数处理。 选择结构,使用 |
|
StepTolerance |
宽容的变量。迭代停止如果两个位置的变化,小于筛孔尺寸 选择结构,使用 |
积极的标量| |
TolBind | 绑定的宽容。看到约束参数。 |
积极的标量| |
UseCompletePoll |
国旗来完成当前点周围的调查。看到搜索轮询模式是如何运作的吗。 该选项只适用于当 请注意 为 从R2019a开始,当你设置 选择结构,使用 |
|
UseCompleteSearch |
国旗来完成搜索在当前点搜索方法是一种调查方法。看到搜索和轮询。 该选项只适用于当 请注意 为 选择结构,使用 |
|
|
国旗来计算目标并行和非线性约束函数。看到矢量化和并行选项和如何使用并行处理在全球优化工具箱。 请注意 为 从R2019a开始,当你设置 请注意
|
|
|
指定是否矢量化功能。看到矢量化和并行选项和Vectorize目标和约束函数。 请注意 为 选择结构,使用 |
|
例子:选择= optimoptions (“patternsearch MaxIterations = 150, MeshTolerance = 1)的军医
问题
- - - - - -问题的结构
结构
问题的结构,指定为一个结构有以下字段:
客观的
——目标函数x0
——起点Aineq
——矩阵线性不等式约束bineq
——向量线性不等式约束Aeq
——矩阵线性等式约束说真的
——向量线性等式约束磅
——下界x
乌兰巴托
——上界x
nonlcon
——非线性约束函数解算器
- - - - - -“patternsearch”
选项
——选项创建optimoptions
或一个结构rngstate
-可选字段重置随机数发生器的状态
请注意
各个领域中问题
除了需要rngstate
。
数据类型:结构体
输出参数
fval
——目标函数值的解决方案
实数
目标函数值的解决方案,作为一个实数返回。一般来说,fval
=有趣的(x)
。
exitflag
- - -原因patternsearch
停止
整数
原因patternsearch
停止,返回一个整数。
出口标志 | 意义 |
---|---|
|
没有非线性约束——筛孔尺寸的大小小于指定的公差,和约束违反小于 |
具有非线性约束——的大小互补措施(在这个表定义)小于 |
|
|
的变化 |
|
的变化 |
|
一步的大小小于机器精度和约束违反小于 |
|
函数评估或迭代的最大数量。 |
|
通过一个输出函数优化终止或情节功能。 |
|
发现不可行点。 |
非线性约束求解的互补措施的标准向量元素是谁的c我λ我,在那里c我非线性不等式约束违反,λ我是对应的拉格朗日乘子。
输出
——优化过程的信息
结构
优化过程的信息,作为结构返回这些字段:
函数
——目标函数。problemtype
——问题类型之一:无约束的
“boundconstraints”
“linearconstraints”
“nonlinearconstr”
pollmethod
——轮询技术。searchmethod
——使用搜索技术,如果任何。迭代
——迭代的总数。funccount
- - - - - -总数量评估函数。meshsize
——网格大小x
。maxconstraint
——最大约束违反。rngstate
——MATLAB随机数发生器的状态,只是在算法开始之前。您可以使用的值rngstate
繁殖输出当你使用一个随机搜索方法或随机调查的方法。看到复制的结果论述了相同的技术遗传算法
。消息
——原因算法终止。
算法
默认情况下,在没有线性约束的情况下,patternsearch
看起来至少基于与坐标方向的自适应网格。看到直接搜索是什么?和搜索轮询模式是如何运作的吗。
当你设置算法
选项“国家联盟”
或者它的一个变种,patternsearch
使用中描述的算法非均匀模式搜索(nup)算法。该算法在很多方面不同于默认的算法;例如,它有更少的选项设置。
选择功能
应用程序
的优化住编辑任务提供了一个可视化界面patternsearch
。
引用
[1]奥迪特、查尔斯·j·e·丹尼斯Jr。”分析的广义模式搜索。”暹罗杂志上优化。3号卷13日,2003年,页889 - 903。
[2]康涅狄格州,a。R。,N。I. M. Gould, and Ph. L. Toint. “A Globally Convergent Augmented Lagrangian Barrier Algorithm for Optimization with General Inequality Constraints and Simple Bounds.”数学的计算。66卷,217号,1997年,页261 - 288。
[3]艾布拉姆森,马克。模式搜索过滤器算法混合变量一般约束优化问题。博士论文、计算和应用数学,莱斯大学,2002年8月。
[4]艾布拉姆森,马克。,Charles Audet, J. E. Dennis, Jr., and Sebastien Le Digabel. “ORTHOMADS: A deterministic MADS instance with orthogonal directions.”暹罗杂志上优化。2号卷20日,2009年,页948 - 966。
[5]Kolda,塔玛拉·G。,Robert Michael Lewis, and Virginia Torczon. “Optimization by direct search: new perspectives on some classical and modern methods.”暹罗审查。卷45,问题3,2003年,页385 - 482。
[6]Kolda,塔玛拉·G。,Robert Michael Lewis, and Virginia Torczon. “A generating set direct search augmented Lagrangian algorithm for optimization with a combination of general and linear constraints.” Technical Report SAND2006-5315, Sandia National Laboratories, August 2006.
[7]刘易斯,罗伯特·迈克尔·安妮牧羊人,弗吉尼亚Torczon。“实现发电机组搜索方法线性约束最小化。”暹罗期刊在科学计算。问题6卷29日,2007年,页2507 - 2530。
扩展功能
自动并行支持金宝app
加速代码通过自动运行并行计算使用并行计算工具箱™。
并行运行,设置“UseParallel”
选项真正的
。
选择= optimoptions ('
solvername
”、“UseParallel’,真的)
有关更多信息,请参见如何使用并行处理在全球优化工具箱。
版本历史
之前介绍过的R2006a
Apri esempio
如果dispone di una versione modificata di questo esempio。Desideri aprire questo esempio con le modifiche星期二吗?
第一MATLAB
海脂肪clic苏联合国collegamento切corrisponde questo第一MATLAB:
Esegui il第一inserendolo所以nella隙缝di第一MATLAB。我浏览器web非supportano金宝app comandi MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。