2023 研究生数学建模竞赛（B题）DFT类矩阵的整数分解逼近|建模秘籍&文章代码思路大全

问题重述

问题1：降低硬件复杂度
在约束1下，优化DFT矩阵的分解，以最小化误差（RMSE）并减少乘法器的数量。

问题2：限制元素实部和虚部取值范围
在约束2下，优化DFT矩阵的分解，以最小化误差并考虑元素实部和虚部的取值范围。

问题3：同时限制稀疏性和取值范围
在同时满足约束1和2的条件下，优化DFT矩阵的分解，以最小化误差和硬件复杂度。

问题4：研究其他矩阵的分解方案
考虑多个DFT矩阵和非DFT矩阵的乘积，再次在约束1和2下优化分解，以最小化误差和硬件复杂度。

问题5：加入精度限制
在问题3的基础上，要求将精度限制在0.1以内（RMSE≤0.1），再次优化分解方案，以最小化硬件复杂度。

完整版内容在文末领取噢~

问题一

问题1的目标是降低硬件复杂度，通过优化DFT矩阵的分解，以最小化误差（RMSE）并减少乘法器的数量。我们可以通过以下建模思路来解决问题1：

首先，定义一些变量和参数：

• 设 N 为 DFT 矩阵的维度。
• 定义 DFT 矩阵为 ($\mathbf{F}$)，它是一个大小为 N × N 的复数矩阵。
• 定义 K 个矩阵分解后的矩阵为 (${\mathbf{M}}_1,{\mathbf{M}}_2,\dots ,{\mathbf{M}}_K$)，每个 (${\mathbf{M}}_i$) 是大小为 N × N 的矩阵。
• 定义 (${\alpha }_i$) 为矩阵 (${\mathbf{M}}_i$) 中的实值缩放因子，用于调整误差。
• 定义 (q) 为乘法器的复杂度，它与乘法器的设计和输入数据的位宽相关。

接下来，我们可以建立一个数学模型，优化目标是最小化误差，并约束硬件复杂度：

最小化目标函数：

$\text{Minimize }\text{RMSE}=\sqrt{\frac{1}{N^2}{\sum }_{}}$