C语言查找数组鞍点

本文介绍了如何在二维数组中查找鞍点,通过C语言代码实现,包括找到行最大值和列最小值的过程。最后给出了一个具体实例和输出结果。
摘要由CSDN通过智能技术生成

1.鞍点的定义

 若矩阵Am´n中的某一元素A [i] [j]是第i行中的最小值,同时又是第j列中的最大值,则称此元素为该矩阵的一个鞍点。鞍点可能不唯一。

如图所示元素4就为该数组的鞍点,4为所在第一行的最大元素,在第四列为最小元素,故为该数组鞍点。

2.查找鞍点思路

首先涉及到行和列,所以需要创建一个二维数组,以上面图片为例创建一个4行4列的整型数组 arr[4][4]。要求是先找到行最大的元素,然后看此元素是否为列最小。

此步骤为找到数组此行中的最大值以及列标,接下来行最大元素与该列元素一一进行比较如果为最小值那么输出,并做标记。输出一次后标记改变,最后可由此来判断是否输出无鞍点。 

3.代码

#include<stdio.h>
#define N 4
int main() {
	int arr[N][N],max,count=0,y=0,row;
	int i,j;
	for (i = 0; i < N; i++)//输入数组元素
		for (j = 0; j < N; j++)
			scanf("%d", &arr[i][j]);
	for (i = 0; i < N; i++) {
		max = arr[i][y];//初始最大值为每一行的第一个元素
		for (j = 0; j < N; j++) {  //此for循环作用为找到该行最大值
			if (max < arr[i][j]) {
				max = arr[i][j];
				y = j; //记录最大值列标
			}
		}
			for (row = 0; row < N; row++) { //该循环作用为判断是否为列最小
				if (max > arr[row][y])
					break; //一旦发现该值不是列最小,退出循环
			}              //如果循环自然结束,那么说明该值为最小,反之循环中发现更小值
			if (row == N) { //自然退出循环,row<N就不成立,row自增至N(4)时条件不成立,非中途退出故此值为最小
				printf("鞍点为:%d ", arr[i][y]);//输出鞍点
				count++;//此变量为一个标志,输出一次鞍点自增一次
			}
	}
		if (count == 0)//如果conut值始终为零则表示没有输出过,也就是没有鞍点。
			printf("该数组无鞍点");
	return 0;
}

输出结果:

 

最后感谢大家的观看,如有问题请指正。

  • 20
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
点是指函数在某个点的梯度为零,且该点的“拐点”(也就是 Hessian 矩阵的矩阵特征值有正有负)的点。在 C 语言中,可以使用数值优化库,如 GSL(GNU Scientific Library)或 NAG(Numerical Algorithms Group)库来找到函数的点。 下面是使用 GSL 库找到函数的点的示例代码: ```c #include <stdio.h> #include <gsl/gsl_multimin.h> // 定义函数 double func(const gsl_vector *v, void *params) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); return x * x - y * y; } // 定义函数的梯度 void grad(const gsl_vector *v, void *params, gsl_vector *df) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); gsl_vector_set(df, 0, 2 * x); gsl_vector_set(df, 1, -2 * y); } int main() { const gsl_multimin_fdfminimizer_type *T; gsl_multimin_fdfminimizer *s; int iter = 0, status; const size_t n = 2; double eps = 1e-8; // 初始点 gsl_vector *x = gsl_vector_alloc(n); gsl_vector_set(x, 0, 1.0); gsl_vector_set(x, 1, 1.0); // 定义函数及梯度 gsl_multimin_function_fdf my_func; my_func.n = n; my_func.f = &func; my_func.df = &grad; my_func.fdf = NULL; my_func.params = NULL; // 定义优化器类型 T = gsl_multimin_fdfminimizer_conjugate_fr; s = gsl_multimin_fdfminimizer_alloc(T, n); // 初始化优化器 gsl_multimin_fdfminimizer_set(s, &my_func, x, 0.01, eps); do { iter++; status = gsl_multimin_fdfminimizer_iterate(s); if (status) break; status = gsl_multimin_test_gradient(s->gradient, eps); } while (status == GSL_CONTINUE && iter < 100); printf("Minimum found at:\n"); printf("%5.5f %5.5f\n", gsl_vector_get(s->x, 0), gsl_vector_get(s->x, 1)); gsl_multimin_fdfminimizer_free(s); gsl_vector_free(x); return 0; } ``` 该示例代码中,我们首先定义了函数 `func` 和它的梯度 `grad`。然后,我们使用 GSL 库中的 `gsl_multimin_fdfminimizer` 类型来定义优化器。在初始化优化器时,我们通过 `gsl_multimin_fdfminimizer_set` 函数将函数及梯度传递给了优化器。最后,我们使用 `gsl_multimin_fdfminimizer_iterate` 函数迭代求解函数的点,并使用 `gsl_multimin_test_gradient` 函数检查是否已收敛。 需要注意的是,由于点通常比最小值或最大值更难以找到,因此需要更多的迭代次数和更小的收敛阈值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值