鞍点

鞍点:在二维数组中,若一个数字在其所在的行上最大,在其所在的列上最小,则这一位置称为鞍点。(二维数组也存在没有鞍点的情况。)

相关问题:

《C程序设计》(第三版)6.8
《C程序设计教程》7.8

分析:

什么样的二维数组没有鞍点?如果某行有两个或以上并列大的最大数,那存不存在最大数?

1 3 3
0 4 4
0 5 5

经过一番思考,觉得最大数只有一个,否则不为最大数。
以上二维数组没有鞍点!

Solution by Mutoo:

Code:
  1. #include<stdio.h>  
  2. #define MAX 3  
  3. void main()  
  4. {  
  5.     //const MAX=3; // 3x3 矩阵  
  6.     float a[MAX][MAX],sp;  
  7.     int i,j,k,flag=1;  
  8.     int row,col;  
  9.     do  
  10.     {  
  11.         // 输入数字  
  12.         printf("Pleae input a %dx%d array:/n",MAX,MAX);  
  13.         for(i=0;i<MAX;i++)  
  14.             for(j=0;j<MAX;j++)  
  15.                 scanf("%f",&a[i][j]);  
  16.   
  17.         row=col=-1;  
  18.         for(i=0;i<MAX&&row==-1;i++)  
  19.             for(j=0;j<MAX;j++)  
  20.             {  
  21.                 // 判断a[i][j]是否为该行最大的数  
  22.                 // (区别于最大值,最大数只有一个,否则不为最大数)  
  23.                 flag=1;  
  24.                 for(k=1;k<MAX;k++)  
  25.                 {  
  26.                     if(a[i][j]<=a[i][(j+k)%MAX])  
  27.                     {  
  28.                         // 该行存在比a[i][j]大或相等的数  
  29.                         // a[i][j]不是该行的最大数  
  30.                         flag=0;  
  31.                         break;  
  32.                     }  
  33.                 }  
  34.                 if(!flag) continue;  
  35.                 else  
  36.                 {     
  37.                     // a[i][j]是该行的最大数  
  38.                     // 则判断其是否为该列最小数  
  39.                     col=j;  
  40.                     flag=1;  
  41.                     for(k=1;k<MAX;k++)  
  42.                     {  
  43.                         if(a[(i+k)%MAX][col]<=a[i][col])  
  44.                         {  
  45.                             flag=0;  
  46.                             break;  
  47.                         }  
  48.                     }  
  49.                     if(flag){  
  50.                         row=i;  
  51.                         break;  
  52.                         // 已找到鞍点  
  53.                     }  
  54.                 }  
  55.             }  
  56.         // 输出二维数组  
  57.         for(i=0;i<MAX;i++)  
  58.         {  
  59.             for(j=0;j<MAX;j++)  
  60.                 printf("%6.1f",a[i][j]);  
  61.             printf("/n");  
  62.         }  
  63.   
  64.         if(row==-1||col==-1)    // 没有找到鞍点  
  65.             printf("There doesn't have Saddle Point!/n");  
  66.         else    // 输出鞍点  
  67.         {  
  68.             sp=a[row][col];  
  69.             printf("the Saddle Point is in row %d, col %d: %f/n",row+1,col+1,sp);  
  70.         }  
  71.   
  72.         fflush(stdin);  
  73.     }while(1);  
  74.   
  75. }  

 

鞍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)库来找到函数的鞍点。 下面是使用 GSL 库找到函数的鞍点的示例代码: ```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鞍点,并使用 `gsl_multimin_test_gradient` 函数检查是否已收敛。 需要注意的是,由于鞍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
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