Program 1 :Three spline interpolation method
close all
clear all
clc
x=[0 250 500 700];
y=[96.5465 148.44 129.214 115.6626];
cs=spline(x,[0 y 0]);
xx=linspace(0,700,100);
plot(x,y,'o',xx,ppval(cs,xx),'-');
Program 2 :Genetic algorithm main program
clc
clear all
close all
ts=AA(:,1);
Hs=sqrt(AA(:,2).^2+AA(:,3).^2);
xxx=AA(:,2);
yyy=AA(:,3);
[PM PN]=size(AA);
for times=1:1
% for m=1:PN
% A(m,PN)=0;
% end
n=200;
ger=200;
pc=0.9;
pm=0.01;
% [Ax,Ay]=size(A)
% 生成初始种群
v=init_population(n,2);
[N,L]=size(v);
disp(sprintf('Number of generations:%d',ger));
disp(sprintf('Population size:%d',N));
disp(sprintf('Crossover probability:%.3f',pc));
disp(sprintf('Mutation probability:%.3f',pm));
% 计算适应度,并画出图形
[fit,xx,yy,QS]=Sun_Shadow_fun(v,ts,AA(:,2),AA(:,3));
% 初始化
vmfit=[];
it=1;
vx=[];
%C=[];
% 开始进化
while it<=ger
%Reproduction(Bi-classist Selection)
vtemp=Sun_Shadow_roulette(v,fit);
%Crossover
v=Sun_Shadow_crossover(vtemp,pc);
v=Sun_Shadow_mutation(vtemp,pm);
%Results
[fit,xx,yy,QS]=Sun_Shadow_fun(v,ts,AA(:,2),AA(:,3));
[sol,indb]=min(fit);
v(1,:)=v(indb,:);
media=mean(fit);
vx=[vx sol];
vmfit=[vmfit media];
it=it+1;
end
%%%% 最后结果
disp(sprintf('\n')); %空一行
% 显示最优解及最优值
v(indb,:
% 图形显示最优及平均函数值变化趋势
figure(1);
plot(vx);
%title('最优,平均函数值变化趋势');
xlabel('Generations');
ylabel('f(x)');
hold on;
%plot(vmfit,'r');
hold off;
fa(times)=180*v(1,1)-90;
H(times)=2*v(1,2)+1;
fit(1)/20;
Fit(times)=fit(1)/sum(Hs)/2;
end
runtime=toc
res=[fa
H
Fit];
[b,bint,r,rint,stats]=regress(Hs,QS(:,1))
rcoplot(r,rint)
Program 3 :Polynomial fitting solution code
clear;
x=[0 250 500 700];
y=[96.5465 148.44 129.214 115.6261];
p=polyfit(x,y,3);
px=poly2str(p,'x');
pv=polyval(p,x);
plot(x,y,'*',x,pv,'k-')
xlabel('x')
ylabel('y')
p
px
x_aver=sum (x)/length(x);
y_aver=sum (y)/length(y);
fori=1:length(x)
Lxx_1(i)=(x(i)-x_aver)^2;
Lyy_1(i)=(y(i)-y_aver)^2;
Lxy_1(i)=x(i)*y(i)-x_aver*y_aver;
end
Lxx=sum(Lxx_1);
Lyy=sum(Lyy_1);
Lxy=sum(Lxy_1);
b_guji=Lxy/Lxx;
a_guji=y_aver-b_guji*x_aver;
y_guji_x_200=a_guji+b_guji*200;
sigamma_guji=1/(length(x)-2)*(Lyy-b_guji^2*Lxx);
rhoxy_guji=Lxy/(sqrt(Lxx)*sqrt(Lyy));
disp(['R=',num2str(rhoxy_guji)])
Program 4 :Residual test code
close all
clear all
clc
x=[143 145 146 147 149 150 153 154 155 156 157 158 159 160 162 164]';
X=[ones(16,1) x];
Y=[88 87 88 91 92 93 93 95 96 98 97 96 98 99 100 102]';
[b,bint,r,rint,stats]=regress(Y,X);
rcoplot(r,rint);
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
2022年华数杯数学建模竞赛C题插层熔喷非织造材料的性能控制研究完整作品,博主版权所有,希望能够对大家有所帮助,代码主要是基于python+matlab。审核你好,自己写的代码,版权问题
资源推荐
资源详情
资源评论
收起资源包目录
2022年华数杯C插层熔喷非织造材料的性能控制一等奖-完整python源码.zip (34个子文件)
附件
.DS_Store 6KB
代码源程序
.DS_Store 6KB
question2,3
question2,3.ipynb 1.88MB
.ipynb_checkpoints
question2,3-checkpoint.ipynb 72B
result
问题二变量筛选结果.xlsx 92KB
问题三回归数据变量.xlsx 84KB
部分变量的描述性统计.xlsx 6KB
问题二筛选的变量重要度排序.xlsx 6KB
question4
question4,5.ipynb 213KB
遗传算法.txt 3KB
.ipynb_checkpoints
question4,5-checkpoint.ipynb 72B
result
步长数据.xlsx 6KB
question2.py 1KB
question1
question1.ipynb 112KB
.ipynb_checkpoints
question1-checkpoint.ipynb 112KB
result
285_mean.xlsx 12KB
313_mean.xlsx 12KB
285_mean.csv 12KB
question1.py 2KB
C题数据.xlsx 45KB
.spyproject
codestyle.ini 62B
workspace.ini 294B
vcs.ini 92B
encoding.ini 64B
相关图文件
相关热力图.png 136KB
问题二思路11.jpg 145KB
热力图·111.png 83KB
问题二思路流程.eddx 60KB
问题一解题思路.eddx 39KB
问题二思路.jpg 145KB
数据分布状态.png 53KB
热力图2.png 150KB
正态分布检验.png 35KB
问题一思路.png 28KB
共 34 条
- 1
资源评论
- 2301_786218852023-12-04资源很实用,内容详细,值得借鉴的内容很多,感谢分享。
maligebilaowang
- 粉丝: 5384
- 资源: 85
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功