2020年华为杯数学建模.zip

%function res = plot_optimize133(x,coefficient,c) %定义函数 % 绘制RON曲线 % compare: S，RON，RON损失的1-93个样本数据 load data5; clc; % 宏观分析该厂的情况 % ox_ave:325个样本平均值c'le % coefficient: 方法二线性回归系数向量 % c:方法二线性回归常数项 % y_pre:用线性回归求得的该厂平均的RON损失预测值，真实值为1.254769 y_pre = eqution_solve(ox_ave,coefficient,c); % 预测和真实的误差：0.0001 error = y_pre - 1.254769; %% 计算操作步骤 close all;clear all;clc; load data5; % 确定步长方向和大小 start_var = ox133(6:end,1); end_var = optimize133(6:end,1); step_direction = ox133 - optimize133; step_direction = step_direction(6:end,1); daerta = step(6:end); % 操作记录 move_record = []; move_record(:,1) = start_var; % 初始为133的原始数据 % 结束标记 step_direction(:,2) = 0; % 每个变量停止标记 step_direction(:,3) = daerta; stop_flag = 1; % 全部到优化的结果，初始值为true % 开始操纵 i = 1; % 计数器 while stop_flag % 结束检验 temp_flag = 1; for k = 1:length(start_var) temp_flag = temp_flag & step_direction(k,2); %做逻辑与 end if temp_flag stop_flag = 0; break; end % 记录操作 for k = 1:length(start_var) if abs(step_direction(k,1))>=daerta(k) % 还能往前迈步 if step_direction(k,1)>0 % 负向-操作 move_record(k,i+1) = move_record(k,i) - daerta(k); step_direction(k,1) = step_direction(k,1) - daerta(k); end if step_direction(k,1)<0 % 正向+操作 move_record(k,i+1) = move_record(k,i) + daerta(k); step_direction(k,1) = step_direction(k,1) + daerta(k); end else %不能往前迈步 move_record(k,i+1) = end_var(k); %让变量在最优位置原地踏步 step_direction(k,2) = 1; %不能迈步 step_direction(k,1) = 0; end end i = i+1; %计数器+1 end [r,co] = size(move_record); % 每步的变量值 step_var = zeros(length(ox133),co); % 每步变量计算得到的RON损失值 y_ron_sunshi = zeros(1,93); y_ron = zeros(1,93); y_s = zeros(1,93); for j = 1:co step_var(1:5,j) = ox133(1:5); step_var(6:end,j) = move_record(:,j); end for j = 1:co y_ron_sunshi(1,j) = eqution_solve(step_var(:,j),coefficient,c); y_ron(1,j) = eqution_solve(step_var(:,j),ron_coefficient,ron_c); y_s(1,j) = eqution_solve(step_var(:,j),s_coefficient,s_c); end %% 绘制优化图 x = 1:co; % RON损失的优化过程与原样本数据的对比 plot(x,y_ron_sunshi,'b*-',x, compare(:,3)','r.:'); title('RON损失的优化过程与原样本数据的对比'); %设置标题行 legend('优化过程的RON损失值','原样本的RON损失'); xlabel('优化操作步骤（每步的移动尺寸在Δ范围内）'); %设置横坐标 ylabel('变化值'); %设置纵坐标 % RON的优化过程与原样本数据的对比 plot(x,y_ron,'b*-',x, compare(:,2)','r.:'); title('RON的优化过程与原样本数据的对比'); %设置标题行 legend('优化过程的RON','原样本的RON含量'); xlabel('优化操作步骤（每步的移动尺寸在Δ范围内）'); %设置横坐标 ylabel('RON值'); %设置纵坐标 % S含量的优化过程与原样本数据的对比 plot(x,y_s,'b*-',x, compare(:,1)','r.:'); title('S含量的优化过程与原样本数据的对比'); %设置标题行 legend('优化过程的S含量','原样本的S含量'); xlabel('优化操作步骤（每步的移动尺寸在Δ范围内）'); %设置横坐标 ylabel('S含量值/μg/g'); %设置纵坐标 x1 = 1:325; % 325个样本的S含量 plot(x1,s_ron_roncost(:,1),'b*-'); title('325个样本的S含量'); %设置标题行 legend('S含量'); xlabel('样本1---325'); %设置横坐标 ylabel('S含量值/μg/g'); %设置纵坐标 %325个样本的RON含量 plot(x1,s_ron_roncost(:,2),'b*-'); title('325个样本的RON含量'); %设置标题行 legend('RON含量'); xlabel('样本1---325'); %设置横坐标 ylabel('RON含量'); %设置纵坐标 %325个样本的RON损失情况 plot(x1,s_ron_roncost(:,3),'b*-'); title('325个样本的RON损失情况'); %设置标题行 legend('RON损失值'); xlabel('样本1---325'); %设置横坐标 ylabel('RON损失值'); %设置纵坐标