说明：之前一直使用的是MATLABR2020b，但最近复现Github上的程序时，运行不了，联系作者说他的程序只能在MATLAB2021之后的版本运行，因此决定安装最新版本的MATLAB。系统：Windows11需要卸载的旧MATLAB版本：MATLABR2020b需要安装的新MATLAB版本：MATLAB2023R2023a注意：安装MATLAB新版本，需先将前一个版本完全卸载，然后重新安装新版本MATLAB并导入激活许可。（两个原因1.一个matlab接近60G，安装两个占用大量内存.2.如果旧的不卸载干净，影响新版本MATLAB的运行）一、卸载MATLABR2020bMATLAB官网就有
利用matlab画出下列函数表达式，并绘制图像。代码如下：clc;clear;N1=5;N2=3.5;n=0:0.01:25;g=(1/2).*(1-cos(pi.*n/N1)).*(n0)+cos(pi.*(n-N1)/(2.*N2)).*(n=N1)+0.*(nN1+N2);%分段函数figure;plot(n,g);xlabel('时间/ms');ylabel('g(n)');title('式2-1');%设置x轴y轴轴标题以及标题axis([025-0.41.2]);%设置坐标区域n=linspace(0,25,5);%在x轴取0~25内等间隔取五个数saveas(1,'式2-1.jp
MATLAB是由美国MathWorks公司出品的专业数学软件，用于算法开发，数据可视化，数据分析以及数值计算的高级技术计算语言和交互式环境，MATLAB是矩阵和实验室两个词的组合，意为矩阵工厂（矩阵实验室），主要包括MATLAB和Simulink两大部分。它将数值分析，矩阵计算，科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究，工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C，Fortran的）的编辑模式，代表了当今国际科学计算软件的先进水平。 数百万工程师和科学家
一、微网系统运行优化模型微电网优化模型介绍：微电网多目标优化调度模型简介_IT猿手的博客-CSDN博客参考文献：[1]李兴莘,张靖,何宇,等.基于改进粒子群算法的微电网多目标优化调度[J].电力科学与工程,2021,37(3):7二、多目标鳟海鞘算法MSSA多目标鳟海鞘算法（Multi-objectiveSalpSwarmAlgorithm，MSSA）由SeyedaliMirjalili等人于2017年提出。参考文献：S.Mirjalili,A.H.Gandomi,S.Z.Mirjalili,S.Saremi,H.Faris,S.M.Mirjalili,SalpSwarmAlgorithm:A
KalmanFilter简单介绍卡尔曼滤波是一种用于估计含有不确定因素的动态系统状态的优化算法，其最初由RudolfE.Kálmán于1960年代提出。该算法广泛应用于各种工程和科学领域，特别是在控制系统、导航、自动驾驶、信号处理等方面。卡尔曼滤波是基于概率推理的方法，它通过融合系统的预测模型和测量数据来估计系统的状态，尤其适用于带有噪声的动态系统。在每个时间步骤中，卡尔曼滤波会做出两个主要步骤：预测步骤（预测阶段）：根据系统的动态模型和前一个状态的估计，预测当前时刻的状态。这个预测考虑了系统的物理规律以及外部输入。更新步骤（更新阶段）：在收到测量数据后，卡尔曼滤波会结合预测的状态和实际测量值
matlabdot()函数求矩阵内积，三维，多维详解 C=dot(A,b,X)，这个参数X只能取1,或者2。1 表示按列，2表示按行，如果没有参数。默认按列。 1）按列优先计算 C=dot(A,B)=dot(A,B,1)=[a1*b1+a4*b4,a2*b2+a5*b5,a3*b3+a6*b6].这是一个1行3列的向量。2）按行优先计算 C=dot(A,B,2)=[a1*b1+a2*b2+a3*b3;a4*b4+a5*b5+a6*b6].这是一个2行1列的向量 C=dot(A,B,2)=[a1*b1+a2*b2+a3*b3;a4*b4+a5*b5+a6*b6].实例如下a1=123234>>b
我的直方图似乎适合泊松分布。为了适应它，我自己声明了功能如下xdata;ydata;%ArraysinwhichIhavestoredthedata.%Ydatatellushowmanytimesthexdataisrepeatedintheset.fun=@(x,xdata)(exp(-x(1))*(x(1).^(xdata)))/(factorial(xdata))%FunctionI%wanttouseinthefit.Itisapoissondistribution.x0=[1];%Approximatedvalueoftheparameterlambdatohelpthefitp=
RRT*算法研究参考机器人路径规划、轨迹优化课程-第六讲-RRT*算法原理和代码讲解路径规划|随机采样算法：PRM、RRT、RRT-Connect、RRT*基于采样的运动规划算法-RRT(Rapidly-exploringRandomTrees)《改进RRT算法在移动机器人路径规划中的应用研究》理论基础RRT*（Rapidly-exploringRandomTreeStar）算法是RRT算法的改进版本，它通过引入重新连接和优化步骤，提高了路径规划的质量和效率。下面是对RRT*算法的详细描述：初始化：设定起始点start和目标点goal，并创建一个只包含start的RRT树T重复步骤直到找到路径
关于GMRES的总结一些理论以及代码首先是我们要解决的问题，也就是最常见的问题，即求解Ax=bAx=bAx=bGalerkin条件krylov子空间我们所做的GMRES实际上就是在Galerkin条件的扩张下，norm(r)norm®norm®不断减小的一个过程。这也是rrr在(Ar,A2r,...An−1r)(Ar,A{2}r,…A{n-1}r)(Ar,A2r,…An−1r)下的一个线性表出的过程。这个过程中，求解系数的方法是不断的通过正交化求投影值，与施密特正交化类似。matlab代码我用了两个例子，结果都是零解，一个用的是4阶pascal矩阵（对称正定），一个用的是10阶稀疏矩阵。主函数
1、求解一阶常微分方程dydt=ay2\cfrac{dy}{dt}=ay^2dtdy=ay2clc,clearsymsy(t)a%定义符号变量dsolve(a*y^2-diff(y)==0)结果ans=0-1/(C1+a*t)2、求解三阶常微分方程d3ydt3=by\cfrac{d^3y}{dt^3}=bydt3d3y=byclc,clearsymsy(t)b%定义符号变量dsolve(diff(y,3)-b*y==0)结果ans=C3*exp(b^(1/3)*t)+C1*exp(-t*((3^(1/2)*b^(1/3)*1i)/2+b^(1/3)/2))+C2*exp(t*((3^(1/
