matlab编程

• 变量作用域

  有如下三种作用域的变量：

  • 局部变量
    每个函数（函数会在后面细讲）中定义的变量，只能在当前函数体内访问到。

  • 全局变量
    在函数体中用global关键字声明的变量，它的作用域是：所有的函数和Matlab工作空间。任何一个地方改变了全局变量的值，其他所有使用到它的地方的值都会随着改变。建议尽量少使用全局变量。

  • 静态变量
    在一个函数中可以使用persistent关键字声明一个静态变量，只要函数存在，静态变量就不会被清除。

• 控制流 

 　　  Matlab的控制流也与c/c++大体相同，唯一要注意的是每个条件都有相应的end关键字。

• 顺序结构
• 选择结构
  • if—end
  • if—else—end
  • if—elseif—else—end　　

 　　　　示例：

　　　　新建脚本文件，保存为exe1_1　　　　

　　　　　　　　　　　　x=input('enter''x'':');%input函数返回你输入的整数，提示信息用''括起来，如果想要输出单引号，两个单引号'' ''即可
　　　　　　　　　　　　if(x>0)
　　　　　　　　　　　　　　y=1;
　　　　　　　　　　　　elseif(x==0)
   　　　　　　　 　　　　 y=0;
　　　　　　　　　　　　else y=-1;
　　　　　　　　　　　　end 　　  　  %不要忘记加end，Matlab不会自动补全end，最好一开始就写下来，养成良好的编程习惯至关重要
　　　　　　　　　　　　disp(y)  　　 %disp作为输出函数

　 在命令行窗口调用exe1_1,输入-5

　 得到结果：

　　　　　　　 　　　

• switch—case结构　　
• 注意Matlab与c/c++语言的switch-case结构不一样：只要条件满足，立即返回,这也是为什么不用加break的原因。　　　　

　　示例：新建脚本文件，保存为ex1_2　　　　　

 　　　　　　　　　　 　month=3;
 　　　　　　　　　    switch month
          　　　 　　       case {3,4,5}
              　　　　　       season='spring'　
         　　　　　　       case {6,7,8}
            　　　　　         season='summer'
        　　　　　　        case {9,10,11}
              　　　　　       season='autumn'
         　　　　　　       otherwise
            　　　　　         season='winter'
   　　　　　         end 

　　得到结果：

　　　　　　　

　　注意

　　1.M文件的搜索路径必须与当前路径一致,否则运行会出错，搜索路径即保存M文件的位置。可以直接修改当前路径与搜索路径一致，也可以添加搜索路径，这样就一劳永逸了。　　

 　　　　　　　  　

　　2.如果遇到不认识的函数，可以利用help/doc命令在命令行查找，格式为help/doc function,function为函数名，养成查阅文档的习惯很重要！　　　　　　　　　

•  循环结构　　　
  • while，for语句
  • break、continue、return　——行尾可以不用加分号　
  • 在循环次数未知的时候，就不能用for语句了，这个时候可以使用while语句
  • 每一个关键字后面都要有与之对应的end关键字

  • sum = 0;
    for i = 1 : 100
        sum = sum + i;
    end
    disp(sum)
            5050

i = 1;
sum = 0;
while i <= 100
    sum = sum + i;
    i = i + 1;
end
disp(sum)
        5050

范例：

　　  使用0.618法(黄金分割法)极小化f(t)=exp(-t)+exp(t)，区间为[-1，1]。（即逼近函数在已知区间的极小值，找到对应的t

 　　 0.618法主要思想：

　　  　  0.618法在给定区间[a，b]内适当插入两点a1，a2，并计算其函数值。

　　 　   a1，a2将区间分成三段，通过函数值大小的比较，删去其中一段，使搜索区间得以缩小，

　　  　  然后再在保留下来的区间上作同样的处理，如此迭代下去，从而得到极小点的数值近似解。

　　  0.618法主要步骤：

　　　　 1.在区间[a,b]内分别按照0.618和0.382的比例处取点a1 ，a2， 把[a,b]分为三段。　

　　　　 2.如果f(a1)>f(a2)，令a=a1,a1=a2,a2=a+0.618*(b-a) 　　

　　　　3.如果f(a1)<f(a2) ，令b=a2，a2=a1,a1=a+0.382*(b-a)

　　　　4.如果满足迭代条件或者超出给定迭代次数，程序终止，否则继续运行下去。　　　　

      新建名为fai.m的函数和zero_soe.m的函数

1             　　　　　　function z= fai(t)
2 　　　　　　　　　　 　　 %　　fai函数
3 　　　　　　　 　　　　　 %    给定函数
4 　　　　　　　 　　　　　 z=1*exp(-t)+1*exp(t);
5 　　　　　　　 　　　　   end                         　　　　

 1 　　　　　　　　　　　  function [k] = zero_soe(a0,b0,iter,tol)
 2 　　　　　　　　　　　  %UNTITLED3 精确线性搜索之0.618法
 3 　　　　　　　　　　　  %   a0，b0分别代表左端点，右端点
 4 　　　　　　　　　　 　 %   iter代表给定的迭代次数
 5 　　　　　　　　　　　  %   tol代表误差限
 6 　　　　　　　　　　　　m=a0+0.382*(b0-a0);  %试探点lameda0
 7 　　　　　　　　　　　　n=a0+0.618*(b0-a0);  %试探点u0
 8 　　　　　　　　　　　　ym=fai(m);
 9 　　　　　　　　　　　　yn=fai(n);
10 　　　　　　　　　　　　count=0;    %现有的迭代次数
11 　　　　　　　　　　　　while(count<iter)
12    　　　　　　 　　　　　　if(ym>yn)
13        　　　　　　 　　　　　　if(b0-m<=tol)
14            　　　　　　　　　　 　　k=n;
15            　　　　　　　　　　 　　return;
16         　　　　　　　　　　　　else
17            　　　　　　　　　　　　 a0=m;
18            　　　　　　　　　　　　 m=n;
19            　　　　　　　　 　　　　ym=yn;
20            　　　　　　　　　　　　 n=a0+0.618*(b0-a0);  
21            　　　　　　　　 　　　　yn=fai(n);
22            　　　　　　　　 　　　　count=count+1;
23         　　　　　　　　　　　　end         
24    　　　　　　 　　　　　　else 
25        　　　　　　 　　　　　　if(n-a0<=tol)
26            　　　　　　　　　　 　　k=m;
27           　　　　　　　　 　　 return;           
28        　　　　　　　　　　 　　else
29          　　　　　　 　　　　　　 b0=n;
30           　　　　　　　　　　　　 n=m;
31            　　　　　　　　　　　　yn=ym;
32           　　 　　　　　　　　　　m=a0+0.382*(b0-a0);
33            　　　　　　　　　　　　ym=fai(m);
34           　　　　 　　　　　　　　count=count+1;
35         　　　　　　　　　　　　end
36     　　　　　　　　　　　　end
37 　　　　　　　　　　　　end
38 　　　　　　　　　　　　if(count>=iter)
39    　　　　　　　　　　　　disp('迭代次数超过给定次数!') ;
40 　　　　　　　　　　　　end
41 　　　　　　　　　　　　end

　得到结果：

　　　　　　

　通过求导可知函数的极小值对应的t等于0，可知极小化的结果是正确的。

异常处理语句

当程序发生异常时，需要捕获异常并对异常进行处理，这个时候需要用到try-catch语句，基本语法格式：

try
    语句块1
catch
    语句块2
end
% 如果语句块1发生异常，会跳到语句块2

几点实用编程技巧

计算函数用时

在任意代码段的开始和结束使用tic和toc语句对，可以计算这段代码的用时，编写一个名为myadd.m的m函数如下：

function sum = myadd()
tic
s = 0;
for i = 1:1000000
   s = s + 1/i;
end
sum = s;
toc

在命令行中调用myadd函数：

?myadd

elapsed_time =

    1.1740


ans =

   14.3927

可以看到myadd函数用时1.174秒，结果为14.3927

用向量化的操作来代替循环操作

向量化的操作相比循环操作而言，在数据量大的时候性能将会显著提高。
比如对比如下两个函数：

function result = myadd1()
tic
s = 0;
for i = 1:1000000
   s = s + 1/i;
end
result = s;
toc

function result = myadd2()
tic
i = 1:1000000;
result = sum(1./i);
toc

分别调用myadd1、myadd2函数，结果对比如下：

myadd1
elapsed_time = 1.1740
ans = 14.3927
myadd2
elapsed_time =  0.0200
ans =14.3927

可以看出，采用向量化的操作后，相比使用循环，同样的数据量的计算效率得到了几十倍的提升。

次数多的循环放在内层，次数少的循环放在外层

可以防止损耗过多程序性能。

大型矩阵预先定维

先使用zeros或ones函数对大型矩阵预先定维，将会显著降低程序耗时。