【好好学习】博客目录-到5月4号取消置顶

已

这一部分放已经完成的flag记录：

4.23 明白mfc橡皮条画矩形原理

4.24 mfc中类的操作放到.h里，定义数据结构放到.cpp里，别忘记写调用头文件

4.25 VS2019安装msdn

4.26 mfc第一次作业后总结

4.27

线性规划：linprog；非线性规划：fmincon；二次矩阵：quadprog；罚函数法：fminunc；0-1规划：试探可行解再枚举剪枝；tic&toc：记录执行时间 ；rand：随机数；

灰色预测模型GM（1，1）讲解

​ 灰色预测模型模板：

clear
syms a b;
c=[a b]';
A=[174 179 183 189 207 234 220.5 256 270 285];
B=cumsum(A);
n=length(A);
for i=1:(n-1)
    C(i)=(B(i)+B(i+1))/2;
end
D=A; D(1)=[];
D=D';
E=[-C;ones(1,n-1)];
c=inv(E*E')*E*D;
c=c';
a=c(1); b=c(2);
F=[]; F(1)=A(1);
for i=2:(n+10)
    F(i)=(A(1)-b/a)/exp(a*(i-1))+b/a;
end
G=[]; G(1)=A(1);
for i=2:(n+10)
    G(i)=F(i)-F(i-1);
end
t1=1995:2004;
t2=1995:2014;
G
plot(t1,A,'o',t2,G)

4.28

不等于：~=

​ 遗传算法模板：

clear all
options = gaoptimset('Generation',800,'StallGenLimit',300,'PlotFcns',@gaplotbestf);
[x,g]=ga(@f,1,options)

​ 粒子群算法模板：

clc; clear all; close all;
tic;        % 程序运行计时
E0 = 0.001; % 允许误差
MaxNum = 100; % 粒子最大迭代次数
narvs = 1; % 目标函数的自变量个数
particlesize = 30; % 粒子群规模
c1 = 2; % 每个粒子的个体学习因子，也称为加速常数
c2 = 2; % 每个粒子的社会学习因子，也称为加速常数
w = 0.6; % 惯性因子
vmax = 0.8; % 粒子的最大飞翔速度
x = -5+10*rand(particlesize,narvs); % 粒子所在的位置
v = 2*rand(particlesize,narvs); % 粒子的飞翔速度
fitness = inline('1/(1+(2.1*(1-x+2*x.^2).*exp(-x.^2/2)))','x');
for i=1:particlesize
    for j=1:narvs
        f(i)=fitness(x(i,j));
    end
end
personalbest_x = x;
personalbest_faval = f;   
[globalbest_faval i]=min(personalbest_faval);
globalbest_x=personalbest_x(1,:);
k=1;
while k<= MaxNum
    for i=1:particlesize
        for j=1:narvs
            f(i)=fitness(x(i,j));
        end
        if f(i)vmax
                v(i,j) =vmax;
            elseif v(i,j)<-vmax
                v(i,j)=-vmax;
            end
        end
        x(i,:)=x(i,:)+v(i,:);
    end
    if abs(globalbest_faval)

模拟退火 / 神经网络：不想研究了，具体考到再找模板吧

内联函数inline：可以不用再新建.m程序啦

Matlab求最值（极值）

4.29

今天是考前打板子专题

运输问题（产销平衡）：表上作业法

指派问题：匈牙利算法

投资的收益和风险问题： 司守奎第01章第9页

整形规划求解方法： 司守奎第02章

非线性规划： 真的不知道怎么写怎么解，可以尝试一下判断是不是（司守奎第03章）

排队论： 一般模型特征（司守奎第06章）

层次分析法模板：

clc,clear 
fid=fopen('txt3.txt','r');  % 这个文件里面放的是准则层和方案层的判断矩阵
n1=6;n2=3; 
a=[]; 
for i=1:n1 
 tmp=str2num(fgetl(fid)); 
 a=[a;tmp]; %读准则层判断矩阵
end 
for i=1:n1 
 str1=char(['b',int2str(i),'=[];']); 
 str2=char(['b',int2str(i),'=[b',int2str(i),';tmp];']); 
 eval(str1); 
 for j=1:n2 
 tmp=str2num(fgetl(fid)); 
 eval(str2); %读方案层的判断矩阵
 end 
end 
ri=[0,0,0.58,0.90,1.12,1.24,1.32,1.41,1.45]; %一致性指标
[x,y]=eig(a); 
lamda=max(diag(y)); 
num=find(diag(y)==lamda); 
w0=x(:,num)/sum(x(:,num)); 
cr0=(lamda-n1)/(n1-1)/ri(n1) 
for i=1:n1 
 [x,y]=eig(eval(char(['b',int2str(i)]))); 
 lamda=max(diag(y)); 
 num=find(diag(y)==lamda); 
 w1(:,i)=x(:,num)/sum(x(:,num)); 
 cr1(i)=(lamda-n2)/(n2-1)/ri(n2); 
end 
cr1, ts=w1*w0, cr=cr1*w0 % cr1：总排序权值，哪个越大越满意哪个

插值与拟合： 特征（司守奎第09章）

数据的统计描述和分析：

频数直方图

clc; clear;
load data.txt; 
high=data(:,1:2:9);high=high(:); 
weight=data(:,2:2:10);weight=weight(:); 
[n1,x1]=hist(high)
[n2,x2]=hist(weight) 
subplot(1,2,1), hist(high) 
subplot(1,2,2), hist(weight)

其他统计量

下面才开始涉及概率

（司守奎第10章第5页）

方差分析： 司守奎第11章

回归分析： 司守奎第12章

微分方程建模： 司守奎第13章

求解常微分方程： 司守奎第14章

*Matlab在线性代数中的应用：

向量组的线性相关性，求解线性方程组，相似矩阵和二次型

易百教程：Matlab教程

w3cschool：Matlab教程

Matlab绘图方法整理

最近

先解释一下最近为什么更新的速度慢了（虽然可能没什么人看我的博客吧，就当是给自己的解释吧）

因为最近在忙于准备一些杂七杂八的事，但是写代码的机会并没有减少

而是我慢慢的意识到我博客里的好多题解都没法让我用于acm比赛，就像是一种应付

所以我打算减少更新频率去多花点时间写点我想写的知识点的总结

让这个博客真的为我所用，可以让我在以后acm的比赛里更加进步的那种

现在

至于标题为什么叫“好好学习”，因为真的想好好学习了

算法和数据结构忘了好多好多了，应该花时间去好好复习

准备一些自己想参加的比赛（虽然结果可能并不太好）落下了一些文化课，应该好好去学

而至于这一切的导火索在于今晚吃饭时看到的一篇文章

标题是什么就不说了，反正就让我觉得我应该有所特长

虽然我现在因为算法竞赛的原因可能比一些同专业的人有经验

但是我觉得我的水平还不到我想要的程度，而且程序是每一个计算机专业的人都会写的

这算不上特长，我在想我有没有那种比好多好多人都厉害的特长？

貌似除了冷门游戏打的比较好之外没有…… 所以我打算之后要精于一件事了

因为之前python java ps pr matlab Cpp html mfc等都涉猎一些 但是都不精

是很浮躁的，所以要更专一一点，专心搞一件事

未来

不出意外的话这篇博客会置顶

原因就在于这一部分：立不倒的flag

（除非忙到连饭都没时间吃连觉都没时间睡）

每天都要学mfc进步一点（第一个目标）

每天学习一个matlab小技巧

每天至少做一道dp题 一道其他类型的题和一道USACO的题

……未完待添加