人工智能 算法 数学建模 MATLAB的编程与应用，匿名函数、嵌套函数、蒙特卡洛法的掌握与使用

目录

1.匿名函数

1.1.匿名函数的定义与分类

1.2.匿名函数在积分和优化中应用

2.嵌套函数

2.1.嵌套函数的定义与分类

2.2.嵌套函数彼此调用关系

2.3.嵌套函数在积分和微分中应用

3.微分和积分

4.蒙特卡洛法

4.1.圆周率的模拟

4.2.计算N重积分（均匀分布）

4.3.计算N重积分（等序列分布）

1.匿名函数

1.1.匿名函数的定义与分类

匿名函数（Anonymous function）

定义：f = @(X)expr

x为指定的函数的自变量，Expr为具体的函数表达式。

f = @(x) x.^2;

ff = f(1:10)

ff =

1 4 9 16 25 36 49 64 81 100

g = @(x,y) x.^2 + y.^2;

gg = g(1:4,2:5)

gg =

5 13 25 41

单变量匿名函数

定义：f =@(x) expr

x为指定函数的自变量，Expr为具体的函数表达式

f = @(x) x.^2

含有参数的匿名函数，当参数已知的时候

a = 10, b = 20;

f = @(x) a*x.^2+b;

f(1:5)

ans =

​

   30    60   110   180   270

多变量匿名函数

g = @(x,y) x.^2+y.^2;

% 含有参数的匿名函数，当参数已知的时候

a = 1,b = 2;

f = @(x,y) a*x.^2+b*y;

f(1:5,2:6)

ans =

​

    5    10    17    26    37

多重匿名函数

只有一个@符号的为单重匿名函数；有多个@符号的为二重、多重匿名函数，在参数传递方面非常方便。例：简单的二重匿名函数

f = @(a,b) @(x) a*x.^2+b*x+2;

f(2,3)

ans = @(x) a*x.^2+b*x+2

ans(3)

ans = 29

这个段代码有一点问题，运行结果是17

改成下面的代码才是正确的输出：29

​

多重匿名函数

f = @(a) a(b,c) @(x) a*x.^2+b*x+c;

匿名函数在解方程中的应用

匿名函数可以非常方便地表达所求方程，并提供fzero等函数调用。例1：求下列方程的根

f = @(x) exp(x) + x.^2 + x.^(sqrt(x)) - 100;

x0 = fzero(f,3)

x0 =

4.1635

f(x0)

ans =

2.8422e-14

匿名函数在解方程中的应用

不同参数一一求解对应方程的根时，调用arrayfun函数。例1续：a = [0, 0.01, 0.02, ...., 2]求下列方程相应的根，画出a和相应的x的图像。

f = @(a) @(x) exp(x) + x^a + x^(sqrt(x)) - 100;

aa = 1:0.01:2;

y = arrayfun(@(a) fzero(f(a), 4), aa);

​

%运用arrayfun函数批量处理

​

plot(aa, y)

xlabel('$a$','interpreter','latex','fontsize',15)

ylabel('$x$','interpreter','latex','fontsize',15)

​

title('$e^x+x^a+x^{\sqrt{x}}=100$','interpreter','latex','fontsize',15)

匿名函数在表示隐函数方面的应用

隐函数一般无数学上的显式表示，运用matlab，对自变量x运用数值解给出因变量y。

例1：显式表示下列y关于x的隐函数

y = @(x) fzero(@(y)(exp(y)+x^y)^(1/y)-x^2*y,1);

y(1)

ans =

2.7779

希望接受向量形式的输入，结合arrayfun函数

y = @(x) arrayfun(@(xx)fzero(@(y)(exp(y)+xx^y)^(1/y)-xx^2*y,1),x);

y(1:5)

ans =

   2.7779    1.1055    0.7759    0.6284    0.5425

例2：显式表示Z关于x，y的函数

接受向量形式的输入，结合arrayfun、fzero函数

z = @(x,y) fzero(@(z)z-sin((z*x-0.5*)^2+2*x*y^2-z/10)*exp(-((x-0.5-exp(-y+z))^2+y^2-z/5+3)),rand);

[X,Y] = meshgrid(-1:0.1:7,-2:0.1:2);

Z = arrayfun(@(x,y) z(x,y), X, Y)

surf(X, Y, Z)

​

%坐标轴和函数标题

xlabel('$x$','interpreter','latex','fontsize',15)

ylabel('$y$','interpreter','latex','fontsize',15)

zlabel('$z$','interpreter','latex','fontszie',15)

​

title('$z=\sin((zs-0.5)^2+zxy^2-z/10)\exp(-((x-0.5-\exp(-y+z))^2+y^2-z/5+3))$','interpreter','latex','fontsize',15)

1.2.匿名函数在积分和优化中应用

匿名函数在求积分区域中的应用

在对称区间积分，求积分区间[-t,t]，使得

z=fzero(@(u) 0.99*pi/2-quadl(@(x)sin(x).^2./x.^2, 0, u), 1)

z =

  32.3138

匿名函数在数值积分中的应用

求下列函数的三阶导数在区间[0,1]上的图像

syms x;

f=(x+tan(x))^sin(x);

c=diff(f,3);

t=0:0.01:1;

f3=eval(['@(x)' vectorize(c)]);

plot(t,f3(t))

xlabel('x')

ylabel('y')

title('(x+tan(x))^{sin(x)}三阶导数图像')

三节导函数的图像

x=0:0.01:1;

y=(x+tan(x)).^sin(x);

plot(x,y)

title('(x+tan(x))^{sin(x)}函数图像')

函数图像

2.嵌套函数

2.1.嵌套函数的定义与分类

嵌套函数nested-function

嵌套函数的优点

可以方便解决变量共享问题； 复杂的表达式中涉及的参数传递； 编写GUI（图形用户界面）时，参数传递问题。

嵌套在函数体内部的函数，嵌套函数可以方便的实现变量共享，可以出现在函数体内部任意位置，除if/else，while,switch等结构语句中。嵌套函数在尾末必须加上end。

例1：嵌套函数简单应用（内外变量共享)

function r = MyTestNestedFun(input)

a = 5;

c = sin(input)+tan(input);

function y = nestedfun(b)

y = a*c+b;

end

r = nestedfun(5);

end

例2：嵌套函数的变量作用域（内部调用外部）

function r = NestedFunctionVarScopeDemo(a)

b = a+1;

function Nested1

c = b+1;

function Nested11

d = c+a;

end

Nested11;

end

Nested1

例3：嵌套函数的变量作用域2（未调用时不运行）

function r = NestedFunctionVarScopeDemo2(a)

b = a+1;

function Nested1

c = b+1

function Nested11

d = c+a;

end

end

Nested1

e = c1

r = d;

end

例4：嵌套函数的变量作用域3（无嵌套关系，不能共享）

function r = NestedFunctionVarScopeDemo3(a)

b = a+1;

function Nested1

c = b+1;

c1 = 10;

Nested2;

c2 = d^2; %这一步有问题

end

Nested1

r = c2

end

2.2.嵌套函数彼此调用关系

例5：父函数与子函数（父调用子，不能调用孙）

function r = NestedFunctionCallDemo1(a)

b = a+1;

function c1 = Nested1(x)

c = b+1;

c1 = 10+c*x;

function d = Nested11

d = c+a;

end

end

c1 = Nested1(1);

r = Nested11;

end

例6：父函数与子函数（子调用父，孙调用爷）

function NestedFunctionCallDemo2(flag)

switch flag

case 1

disp('flag = 1')

return;

case 2

disp('flag = 2')

return;

case 3

disp('flag = 3')

return

otherwise

disp(['flag = ', num2str(flag)]);

return

end

​

function NestedFunctionCallDemo2(flag)

% 续

function NestedFun1

NestedFunctionCallDemo2(1);%子调用父;

NestedFun2

function NestedFun2

NestedFunctionCallDemo2(3);%孙调用爷;

end

end

end

例7：父函数与子函数（子调用叔父）

function NestedFunctionCallDemo3

Nested1(5)

function Nested1(x)

disp(['Nested1执行，输入：', num2str(x)])

Nested2(6)

function Nested11(xx)

disp(['Nested11执行，输入：',num2str(xx)]);

end

end

function Nested2(y)

disp(['Nested2执行，输入：',num2str(y)])

function Nested22(yy)

disp(['Nested22执行，输入：',num2str(yy)]);

end

end

end

例8：父函数与子函数（孙调用大爷，不能用堂伯堂哥）

function NestedFunctionCallDemo4

Nested1(5)

function Nested1(x)

disp(['Nested1执行，输入：', num2str(x)])

Nested11(6)

function Nested11(xx)

disp(['Nested11执行，输入：',num2str(xx)]);

Nested2(pi)

Nested22(10);

end

end

function Nested2(y)

disp(['Nested2执行，输入：', num2str(y)])

Nested22(pi*pi)

function Nested22(yy)

disp(['Nested22执行，输入：',num2str(yy)]);

end

end

end

父函数与子函数：

嵌套：父亲，儿子，孙子

不同嵌套：亲属关系

父子互助，不能求孙

子可求父、伯、大爷、爷，不能求侄儿

2.3.嵌套函数在积分和微分中应用

例1：求积分，已知a，e和l，求\beta_0?

function sol = example541(a,e,l)

function fun(beta)

f =a.*(1-e.^2)./(1-e.^2.*sin(beta).^2).^(3/2);

end

function g = fun(beta0)

g = quadl(@fun1,0,beta0)-1;

end

sol = fzero(@fun2,3);

end

sol = example541(20,0.6,6)

例2：

function m = Findm

w = [pi/2, pi, pi*1.5]

N = [pi/2-1, -2, -1.5*pi-1];

function y = ObjecFun(m)

y = (quadl(@(t) t.^m.*cos(t), 0, w(1))^2 + (quadl(@(t).^m.*cos(t), 0, w(2))^2 + (quadl(@(t).^m.*cos(t), 0, w(3))^2;

end

m = fminbnd(@ObjecFun, 0, 2);

end

​

% 第二段代码

function m = Findm

w = [pi/2, pi, pi*1.5];

N = [pi/2-1, -2, -1.5*pi-1];

function y = ObjecFun(m)

s = @(w)arrayfun(@(ww) quadl(@(t) t.^m.*cos(t), t, ww), w);

y = sum((s(w)-N).^2);

end

m = fminbnd(@ ObjecFun, 0, 2);

end

例3：求微分方程在[0, 5]范围的解，a为参数

function example545(a)

tspan = [0,5]; % 变量求解区间

y0 = [1,0]; % 初值

[t,y] = ode45(@tfys, tspan, y0); % 调用ode45求解方程

figure;

plot(t, y(:,1),'k'); %画函数y(t)的曲线

hold on;

plot(t,(:,2), 'k:'); %画函数y(t)导数的曲线

set(gca,'fontsize',12); % 设置当前坐标轴字体大小

xlabel('\itt','fontsize',16); %标注x轴

ylabel('\ity','fontsize',16); %标注y轴

​

function example545(a)

%嵌套函数定义微分方程组

function dy = tfys(t,y)

dy(1,1) = y(2); %对应于例子中方程组第一个方程

dy(2,1) = 3*sin(a*t)-4*y(1);%对应于例子中方程组第二个方程

end

end

3.微分和积分

敬请期待

4.蒙特卡洛法

4.1.圆周率的模拟

例1：蒲丰投针问题

18世纪，蒲丰提出以下问题：设我们有一个以平行且等距木纹铺成的地板（如图），现在随意抛一支长度比木纹之间距离 小的针，求针和其中一条木纹相交的概率。并以此概率，布丰提出的一种计算圆周率的方法——随机投针法。这就是蒲丰投针问题（又译“布丰投针问题”）

证明：由于向桌面投针是随机的，所以用二维随机变量（X,Y）来确定它在桌上的具体位置。设X表示针的中点到平行线的的距离，Y表示针与平行线的夹角，如果x

并且X在服从均匀分布，Y在服从均匀分布，XY相互独立，由此可以写出（X，Y）的概率密度函数

因此所求概率

Monte Carlo方法是计算机模拟的基础，它的名字来源于世界著名的赌城——摩纳哥的蒙特卡洛， 其历史起源于 1777 年法国科学家蒲丰提出的一种计算圆周π 的方法——随机投针法，即著名的蒲丰投针问题。

Monte Carlo方法的基本思想是首先建立一个概率模型，使所求问题的解正好是该模型的参数或其他有关的特征量． 然后通过模拟一统计试验， 即多次随机抽样试验 （确定 m和 n） ，统计出某事件发生的百分比。只要试验次数很大，该百分比便近似于事件发生的概率．这实际上就是概率的统计定义。利用建立的概率模型，求出要估计的参数。蒙特卡洛方法属于试验数学的一个分支。

MATLAB语言编程实现：1）

l = 1; a = 2;n = 10000;m = 0;

for k = l : n

x = unifrnd(0, a/2); y = unifrnd(0, pi/2);

if x < l/2*sin(y)

m=m+1;

end

end

p=m/n;pi_m=1/p

pi_m=3.2584

2)

l=1;a=2;n=10000;m=0;

x=unifrnd(0,a/2,1,n);

y=unifrnd(0,pi/2,1,n);

[gs,wz]=find(x

m=sum(gs);

p=m/n;pi_m=1/p

pi_m=3.1636

4.2.计算N重积分（均匀分布）

原理：用蒙特卡洛法计算N重积分积分：设D为n维空间Rn的一个区域,f(x)∈D Rn→R,区域D上的n 重积分用下式表示：

可以认为 I=(区域D的测度) X (函数f的期望)。基本的蒙特卡洛法就是找一个超立方体（测度已知，为Mc）包含区域D，在D内随机生成n（n一般足够大）个均匀分布的点，统计落入区域D的点，假设有m个。

则区域D的测度

函数f的期望

积分为

例1：用蒙特卡洛法计算积分

%构造被积函数，x为长为4的列向量或者矩阵（行数为4）。x的每一列表示4维空间中的一个点

f = @(x) exp(prod(x));

n = 10000;

X = rand(4,n); % 随机生成n个4维单位超立方体内的点

I = sum(f(x))/n % 用基本的蒙特卡洛法估计积分值

I =1.069245225746442

例2:用蒙特卡洛法计算积分

f = @(x) prod(x);n = 100000;% 随机均匀积分区域的点

x1 = unifrnd(1,2,1,n);x2 = unifrnd(1,4,1,n);

x3 = unifrnd(1,16,1,n);

ind = (x2>=x1)&(x2<=2*x1)&(x3<=2*x1.*x2)&(x3>=x1.*x2); % 积分区间

X = [x1;x2;x3];

I = (4-1)*(16-1)*sum(f(X(:,ind)))/n

I = 1.791951576008592e+02

4.3.计算N重积分（等序列分布）

在区间[a,b]中的一个(确定性)点列x1,x2,... ,若对所有的有界黎曼(Riemann)可积函数f(x),均有

则称该点列在[a,b]中是等分布的。令(ξ)表示ξ的小数部分,即(ξ)=ξ一[ξ],这里[ξ]表示不超过ξ的最大整数。

定理6.1 若θ为一个无理数 ,则数列为xn= (nθ), n =1,2 ,... ,在[0,1]中是等分布的。

对于一般的区间[a,b],可以令un=xn (b-a)+a来得到[a,b]中等分布的点列。对于s重积分,一般是挑选s 个对有理数线性对立的无理数,来得到包含积分区域D的超长方体内的均匀分布的点列。[uai, ubi ],…得到用等分布序列蒙特卡洛法计算的积分的近似值:

例3：用等序列蒙特卡洛法计算例1的积分

f = @(x) exp(prod(x)); n = 10000;

% 选取对有理数独立的无理数sqrt(2)，sqrt(3)，sqrt(6)/3，sqrt(10)来分成等分布序列

x = bsxfun(@times, repmat(1:n,4,1),[sqrt(2);sqrt(3);sqrt(6)/3;sqrt(10)]);

x = mod(x,1);%对1取余运算，即得小数部分

I = sum(f(x))/n %

I = 1.069297245824625

例4：用等序列蒙特卡罗法计算积分

包含积分区域的超长方体：

选取对有理数独立的无理数

来生成等分布序列,matlab程序为：

f = @(x) sin(x(1,:).*exp(x(2,:).*sqrt(x(3,:))))+x(4,:).*x(5,:);

n = 10000000;

x = bsxfun(@times,repmat(1:n.5,1),[sqrt(2);sqrt(3);sqrt(6)/3;sqrt(10);sqrt(19)]);

x = mod(x,1);

% 一下变换，使得区间(0,1)上的等分布序列变到各层积分区间上去

BminusA = diff([0.5 sin(exp(1))/2 sin(exp(1))/4])

x(2:end,:) = bsxfun(@times,x(2:end,:),BminusA);

参考文章