matlab学习之优化模型 --（matlab编程）-----数模

最新推荐文章于 2024-06-05 13:00:00 发布
最新推荐文章于 2024-06-05 13:00:00 发布
阅读量1.9w 收藏 174
点赞数 25
分类专栏： 数模 matlab 文章标签： 数模 matlab matlab
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36306781/article/details/81515038
版权

这里主要对于matlab优化工具箱进行整理

官方文档有例子，用到哪个根据目录检索，再官方文档查阅

linprog求解线性规划：

求解一个线性不等式、线性等式和边界的简单线性规划。
这里写图片描述
调用格式为：

[x,fval] =linprog(f,A,b,Aeq,beq,lb,ub)

这里fval 返回目标函数的值，lb 和ub分别是变量x 的下界和上界. 在 Matlab 指令窗运行 help linprog 可以看到所有的函数调用形式.官方文档

intlinprog求解求解整数或混合整数规划。

这里写图片描述
官方文档

例题1：

这里写图片描述
matlab代码

clear 
clc 
f=-1*[1,1.65,2.4,1,1.65,2.4,0,0,0,0,0,0,0,0,0];
intcon=[1:15];
A=[5,10,0,0,0,0,0,0,0,0,0,0,0,0,0;
    0,0,0,7,9,12,0,0,0,0,0,0,0,0,0;
    0,0,0,0,0,0,6,8,0,0,0,0,0,0,0;
    0,0,0,0,0,0,0,0,0,4,0,11,0,0,0;
    0,0,0,0,0,0,0,0,0,0,0,0,7,0,0];
b=[6000;10000;4000;7000;4000];
Aeq=[1,0,0,1,0,0,-1,0,0,-1,0,0,-1,0,0;
    0,1,0,0,1,0,0,-1,0,0,-1,0,0,-1,0;
    0,0,1,0,0,1,0,0,-1,0,0,-1,0,0,-1];
beq=[0,0,0];
lb=zeros(15,1);
ub=[Inf;Inf;0;Inf;Inf;Inf;Inf;Inf;0;Inf;0;Inf;Inf;0;0];
[x,fval,exitflag,output]= intlinprog(f,intcon,A,b,Aeq,beq,lb,ub);
x
-1*fval-300-321-250-783-200

结果：

LP:                Optimal objective value is -3032.696552.                                         

Cut Generation:    Applied 1 strong CG cut.                                                         
                   Lower bound is -3032.600000.                                                     
                   Relative gap is 0.00%.                                                          


Optimal solution found.

Intlinprog stopped at the root node because the
objective value is within a gap tolerance of the optimal value,
options.AbsoluteGapTolerance = 0 (the default value). The intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default value).

x =
   1.0e+03 *
    1.2000
         0
         0
    0.2300
    0.5000
    0.3240
         0
    0.5000
         0
    0.8590
         0
    0.3240
    0.5710
         0
         0
ans =
   1.1786e+03

所以结果为
这里写图片描述
利润：1.1786e+03即1178.6元

例题2

这里写图片描述
matlab代码：

clear 
clc 
f=[log(0.9),log(0.92),log(0.8),log(0.84),log(0.85),log(0.88),log(0.75),log(0.8)];
intcon=(1:8);
A=[450/2+200+450/4,450/3+200+450/4,480/2+200+480/4,480/3+200+480/4,540/2+200+540/4,540/3+200+540/4,600/2+200+600/4,600/3+200+600/4;
    1,0,1,0,1,0,1,0;
    0,1,0,1,0,1,0,1];
b=[48000;48;32];
lb=zeros(8,1);
ub=[Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf];
Aeq=[];
beq=[];
[x,fval,exitflag,output] = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub);
x
1-exp(fval)

结果

LP:                Optimal objective value is -20.624761.                                           

Cut Generation:    Applied 1 strong CG cut, 3 Gomory cuts,                                          
                   and 1 mir cut.                                                                   
                   Lower bound is -20.560232.                                                       

Heuristics:        Found 1 solution using rounding.                                                 
                   Upper bound is -20.309430.                                                       
                   Relative gap is 1.18%.                                                          

Branch and Bound:

   nodes     total   num int        integer       relative                                          
explored  time (s)  solution           fval        gap (%)                                         
      12      0.02         2  -2.053257e+01   1.272330e-01                                          
      28      0.02         3  -2.054832e+01   4.449189e-02                                          
      40      0.02         3  -2.054832e+01   0.000000e+00                                          

Optimal solution found.

Intlinprog stopped because the objective value is within a gap tolerance of the
optimal value, options.AbsoluteGapTolerance = 0 (the default value). The intcon
variables are integer within tolerance, options.IntegerTolerance = 1e-05 (the
default value).

x =
     0
     0
     1
     1
     0
     0
    46
    31
ans =
    1.0000

所以结果为
这里写图片描述
摧毁敌方军事目标可能性基本趋近于1

例题3

这里写图片描述
matlab代码：

clear 
clc 
f=-1*[40,90];
intcon=(1:2);
A=[9,7;-7,-20];
b=[56;-70];
Aeq=[];
beq=[];
lb=zeros(2,1);
ub=[Inf;Inf];
[x,fval,exitflag,output]= intlinprog(f,intcon,A,b,Aeq,beq,lb,ub);
x
-1*fval

结果：

LP:                Optimal objective value is -720.000000.                                          


Optimal solution found.

Intlinprog stopped at the root node because the
objective value is within a gap tolerance of the optimal value,
options.AbsoluteGapTolerance = 0 (the default value). The intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default value).

x =
     0
     8
ans =
   720

例题4

这里写图片描述
matlab代码：

clear 
clc 
f=-1*[3,-2,5];
intcon=(1:3);
A=[1,2,-1;
    1,4,1;
    1,1,0;
    0,4,1];
b=[2;4;3;6];
Aeq=[];
beq=[];
lb=zeros(3,1);
ub=[Inf;Inf;Inf];
[x,fval,exitflag,output]= intlinprog(f,intcon,A,b,Aeq,beq,lb,ub);
x
-1*fval

结果

LP:                Optimal objective value is -20.000000.                                           


Optimal solution found.

Intlinprog stopped at the root node because the
objective value is within a gap tolerance of the optimal value,
options.AbsoluteGapTolerance = 0 (the default value). The intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default value).

x =
     0
     0
     4
ans =
    20

例题5

这里写图片描述
matlab代码：

clear 
clc
c=input('输入各井的钻探费用:');
f=c;
intcon=(1:10);
A=[0,0,0,0,1,1,1,1,0,0];
b=[2];
Aeq=[1,1,1,1,1,1,1,1,1,1;
    1/2,0,0,0,0,0,1/2,0,1,0;
    0,0,1,0,1,0,0,0,0,0;
    0,0,0,1,1,0,0,0,0,0];
beq=[5;1;1;1];
lb=zeros(10,1);
ub=ones(10,1);
[x,fval,exitflag,output]= intlinprog(f,intcon,A,b,Aeq,beq,lb,ub);
x
fval

结果

输入各井的钻探费用:ones(1,10)
LP:                Optimal objective value is 5.000000.                                             


Optimal solution found.

Intlinprog stopped at the root node because the
objective value is within a gap tolerance of the optimal value,
options.AbsoluteGapTolerance = 0 (the default value). The intcon variables are
integer within tolerance, options.IntegerTolerance = 1e-05 (the default value).

x =
         0
    1.0000
    1.0000
    1.0000
         0
         0
         0
         0
    1.0000
    1.0000
fval =
    5.0000

fminbnd求一元函数在定区间上最小值(有导数），传统优化算法

fminbnd是一个函数文件。该算法基于黄金分割搜索和抛物线插值。可以求解一元的可导函数的最小值
限制

  • 要最小化的函数必须是连续的。
  • fminbnd可能只提供本地解决方案。
  • 当解决方案位于间隔的边界上时, fminbnd可以呈现缓慢的收敛性。

官方文档

fminsearch使用无导数法(Nelder-Mead直接搜索法)计算无约束的多元函数的最小值（无导数）传统优化算法

fminsearch 使用 Lagarias 等的单纯形搜索方法。[1]这是一种直接搜索方法，不像在 fminunc 中那样使用数值或解析梯度。

提示

  • fminsearch 仅对实数求最小值，即向量或数组 x 只能由实数组成，并且 f(x) 必须只返回实数。当 x 具有复数值时，将 x 拆分为实部和虚部。

  • 使用 fminsearch 解决不可微分的问题或者具有不连续性的问题，尤其是在解附近没有出现不连续性的情况下。

官方文档

fminunc无约束的多元函数的最小值传统优化算法

官方文档

ga使用遗传算法(GA)求解无约束优化问题的最小值

官方文档

例题1

这里写图片描述

clc
clear
fun = @(x)100*(x(2) - x(1)^2)^2 + (1 - x(1))^2;
A = [];
b = [];
Aeq = [];
beq = [];
lb = -30*ones(2,1);
ub = 30*ones(2,1);
nonlcon = [];
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf,'MaxGenerations',800);
[x,fval,exitflag,output] = ga(fun,2,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)

结果

这里写图片描述

Optimization terminated: average change in the fitness value less than options.FunctionTolerance.
x =
    0.9893    0.9788
fval =
   1.1468e-04
exitflag =
     1
output = 
  包含以下字段的 struct:

      problemtype: 'boundconstraints'
         rngstate: [1×1 struct]
      generations: 473
        funccount: 23700
          message: 'Optimization terminated: average change in the fitness value less than options.FunctionTolerance.'
    maxconstraint: 0

options的修改可以参考

例题2

这里写图片描述

function f=Fun(x)
    f1=0;
    f2=1;
    for i=1:30
       f1=f1 +1/4000*x(i)^2;
       f2=f2*cos(x(i)/sqrt(i));
    end
    f=f1-f2+1;
end

%主函数
clc
clear
A = [];
b = [];
Aeq = [];
beq = [];
lb = -600*ones(30,1);
ub = 600*ones(30,1);
nonlcon = [];
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf);
[x,fval,exitflag,output] = ga(@Fun,30,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)

结果

这里写图片描述

Optimization terminated: average change in the fitness value less than options.FunctionTolerance.
x =
  1 至 7 列
   -0.0000    0.0016    0.0002    0.0029   -0.0020    0.0071   -0.0002
  8 至 14 列
    0.0030    0.0003    0.0003   -0.0001    0.0047   -0.0002    0.0064
  15 至 21 列
   -0.0001   -0.0016    0.0015    0.0010    0.0094    0.0009    0.0045
  22 至 28 列
    0.0014    0.0060    0.0060   -0.0001    0.0012    0.0007   -0.0002
  29 至 30 列
    0.0017    0.0028
fval =
   1.4155e-05
exitflag =
     1
output = 
  包含以下字段的 struct:

      problemtype: 'boundconstraints'
         rngstate: [1×1 struct]
      generations: 399
        funccount: 80000
          message: 'Optimization terminated: average change in the fitness value less than options.FunctionTolerance.'
    maxconstraint: 0

例题3

这里写图片描述

function f = Fun(x)
global m;
f = 0;
for i = 1:m
    f = f -x(i)*sin(sqrt(abs(x(i))));
end

%主函数
clc
clear
global m;
m=input('函数x为几元：');
A = [];
b = [];
Aeq = [];
beq = [];
lb = -500*ones(m,1);
ub = 500*ones(m,1);
nonlcon = [];
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf,'MaxGenerations',800);
[x,fval,exitflag,output] = ga(@Fun,m,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)
  • global是定义全局变量的函数，在其他函数中用时，也要用global再次指明调用的是全局变量
结果

这里写图片描述

函数x为几元：10
Optimization terminated: average change in the fitness value less than options.FunctionTolerance.
x =
  1 至 7 列
  420.9627  420.9846  420.9301 -302.4783  420.9803  420.9537  420.9884
  8 至 10 列
 -302.5260  420.9911  420.9851
fval =
  -3.9530e+03
exitflag =
     1
output = 
  包含以下字段的 struct:

      problemtype: 'boundconstraints'
         rngstate: [1×1 struct]
      generations: 199
        funccount: 40000
          message: 'Optimization terminated: average change in the fitness value less than options.FunctionTolerance.'
    maxconstraint: 0

例题4

这里写图片描述

matlab代码

clc
clear
fsurf(@(x,y)2*x.^2-4*x.*y+4*y.^2-6*x-3*y);%画个三维图看看
fun=@(x)2*x(1).^2-4*x(1).*x(2)+4*x(2).^2-6*x(1)-3*x(2);
A = [1,1;
    4,1];
b = [3;9];
Aeq = [];
beq = [];
lb = zeros(2,1);
ub = Inf*ones(2,1);
nonlcon = [];
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf);
[x,fval,exitflag,output] = ga(fun,2,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)

其中函数说明

  • fsurf函数
    画三维曲面图的函数，官方文档

  • plotfch参数
    ga中的画图参数，上面选择的是迭代次数与解的图

结果
这里写图片描述
这里写图片描述

Optimization terminated: average change in the fitness value less than options.FunctionTolerance.
x =
    1.9476    1.0534
fval =
  -11.0273
exitflag =
     1
output = 
  包含以下字段的 struct:

      problemtype: 'linearconstraints'
         rngstate: [1×1 struct]
      generations: 82
        funccount: 4150
          message: 'Optimization terminated: average change in the fitness value less than options.FunctionTolerance.'
    maxconstraint: 1.0000e-03

例题5

这里写图片描述

clc
clear
fsurf(@(x,y)x.^2+y.^2+8);%画个三维图看看
fun=@(x)x(1).^2+x(2).^2+8;
A = [];
b = [];
Aeq = [];
beq = [];
lb = zeros(2,1);
ub = Inf*ones(2,1);
nonlcon = @ellipsetilt;
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf);
[x,fval,exitflag,output] = ga(fun,2,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)

结果
这里写图片描述
这里写图片描述

Optimization terminated: average change in the fitness value less than options.FunctionTolerance
 and constraint violation is less than options.ConstraintTolerance.
x =
    1.5406    0.6779
fval =
   10.8330
exitflag =
     1
output = 
  包含以下字段的 struct:

      problemtype: 'nonlinearconstr'
         rngstate: [1×1 struct]
      generations: 3
        funccount: 9350
          message: 'Optimization terminated: average change in the fitness value less than options.FunctionTolerance↵ and constraint violation is less than options.ConstraintTolerance.'
    maxconstraint: 1.4362e-04

例题6

这里写图片描述
matlab代码

clc
clear
fun=@(x)1.10471*x(1)^2*x(2)+0.04811*x(3)*x(4)*(14.0+x(2));
A = [1,0,0,-1;
    -1,0,0,0];
b = [0;-0.125];
Aeq = [];
beq = [];
lb = [0.1;0.1;0.1;0.1];
ub = [2.0;10.0;10.0;2.0];
nonlcon = @ellipsetilt;
IntCon=[];
options = optimoptions('ga','PlotFcn', @gaplotbestf);
[x,fval,exitflag,output] = ga(fun,4,A,b,Aeq,beq,lb,ub,nonlcon,IntCon,options)

结果
这里写图片描述

Optimization terminated: no feasible point found.
x =
    0.5737    0.1000    0.1000    0.7913
fval =
    0.0900
exitflag =
    -2
output = 
  包含以下字段的 struct:

      problemtype: 'nonlinearconstr'
         rngstate: [1×1 struct]
      generations: 1
        funccount: 2662
          message: 'Optimization terminated: no feasible point found.'
    maxconstraint: 1.7183e+08

可见退出原因是没有其他可行点，认为得出的点就是解

particleswarm使用粒子群优化算法(PSO)求解无约束优化问题的最小值

官方文档

patternsearch使用模式搜索法(PS)求解无约束优化问题的最小值

官方文档

fzero非线性函数的零解（非线性方程的根）

官方文档

fsolve解非线性方程组

官方文档

polyfit多项式曲线拟合

lsqlin解线性二乘问题

lsqnonneg解非负线性最小二乘问题

lsqcurvefit解非线性曲线拟（数据拟合）合问题

lsqnonlin解非线性二乘问题（非线性数据拟合）

未完待续················

DONE！！！

默默小艺
关注
  • 25
    点赞
  • 踩
  • 174
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
MATLAB优化模型例子,MATLAB优化算法案例分析与应用(进阶篇)
weixin_28825959的博客
03-21 2302
导语余胜威编著的《MATLAB优化算法案例分析与应用(进阶篇)》基本包括了所有常见的MATLAB优化算法及应用，包括贝叶斯分类器、期望最大化算法、K最近邻密度估计、朴素贝叶斯分类器、背景差分法、小波变换、BP网络、递归最小二乘(RLS)算法、GA优化的BP网络算法、分形盒维数、带约束的非线性目标优化、边缘检测算法、人脸检测、改进的图像边缘检测算法、指纹图形去伪算法、多元回归算法、DW检验、非线性多...
利用Matlab进行优化模型的求解.
01-13
实验1 建立不允许缺货的生产销售存储模型。设生产速率为常数k, 销售速率为常数r, k>r.在每个生产周期内T内，开始的一段时间（ ），一边生产一边销售，后来的一段时间 只销售不生产，画出储存量 的图形。设每次生产准备费为 ，单位时间每件产品储存费为 以总费用最小为目标确定最优生产周期。讨论 和 的情况。 实验2 阅读实验教材第五章中的最速降线问题以及本目录中的参考材料，了解最速降线问题的原理和求解的方法。 实验3 阅读本目录中的铅球掷远问题的求解，完善该模型，给出该问题的完整数学模型，并利用Matlab进行求解。
MATLAB 自定义优化模型
小嗷犬的博客
02-04 3175
MATLAB R2017b 中推出的优化工具箱提供了一系列的优化算法，可以用来求解优化问题。本文介绍了如何使用 MATLAB 自定义优化模型。
鲁棒优化入门(4)-两阶段鲁棒优化及行列生成算法(C&CG)超详细讲解(附matlab代码)
最新发布
Karka_的博客
06-05 582
本文的主要参考文献： Zeng B , Zhao L . Solving Two-stage Robust Optimization Problems by A Constraint-and-Column Generation Method[J]. Operations Research Letters, 2013, 41(5):457-461.鲁棒优化是应对数据不确定性的一种优化方法，但单阶段鲁棒优化过于保守。为了解决这一问题，引入了两阶段鲁棒优化(Two-stage Robust Optimizatio
多目标优化模型matlab
09-04
多目标优化详细代码，文件里面有代码说明。以及代码注释
参数优化模型matlab,模型配置参数：代码生成优化
weixin_39975744的博客
03-21 511
在生成的代码中，将数值模块参数转换为常量内联值。指定是否为设置为零的根级输入端口和输出端口生成初始化代码。指定是否为设置为零的内部工作结构体(如模块状态和模块输出)生成初始化代码。Level(Embedded Coder)选择要应用于生成代码的优化级别。Priority(Embedded Coder)优化生成的代码，以提高执行效率、降低内存消耗量或在两者之间实现某种平衡。选择此参数可在 Detai...
第1章 MATLAB编程简介_matlab-数理统计_
10-01
以上内容只是MATLAB编程和数理统计应用的冰山一角，深入学习还需要实践和探索MATLAB的更多功能。随着经验的增长，你将发现MATLAB是一个极其强大且灵活的工具，能帮助你在科研和工程领域实现高效的数据处理和分析。
topotoolbox：用于数字高程模型分析的MATLAB软件-
02-04
"TopoToolbox"是一款基于MATLAB的软件工具包，专为数字高程模型（Digital Elevation Models, 简称DEMs）的处理和分析而设计。在地球科学、水文学、地质学和地貌学等领域，DEMs是研究地形特征、地表过程和环境变化的...
matlab GA-pls建立模型
07-28
MATLAB是一种广泛应用于科学计算、数据分析和工程领域的高级编程环境，而GA-PLS则是MATLAB中的一个工具箱，主要用于构建和优化模型。GA代表遗传算法（Genetic Algorithm），这是一种模拟自然选择和遗传机制的全局...
MATLAB源码集锦-基于BP的模型优化预测与MATLAB实现
06-19
标题中的“MATLAB源码集锦-基于BP的模型优化预测与MATLAB实现”表明了这个资源主要关注的是使用MATLAB编程语言实现基于反向传播（Backpropagation, BP）算法的模型优化和预测。MATLAB是一种强大的数学计算和数据分析...
PRO-E模具设计及编程处理.doc
11-21
总结来说，此文档提供了一个完整的模具设计与数控编程实例，对于学习和理解相关技术具有很高的参考价值。通过这样的设计过程，不仅能够提升设计效率，还能确保产品的质量和安全性，从而在激烈的市场竞争中保持优势。
MATLAB 优化模型求解方法(下)：全局优化 .pdf
06-22
离散型问题是建模竞赛中的主流题型，如果判断所研究的问题是组合优化问 题， 那么就大概率需要全局优化算法了。历年赛题中， 比较经典的这类问题有 灾情巡视、公交车调度、彩票问题、露天矿卡车调度、交巡警服务平台、太阳影 子定位等等。可见全局优化问题的求解算法在数学建模中的重要性，这一讲重要 就介绍 MATLAB 全局优化技术及相关实例。
优化模型代码
10-23
数学建模优化模型代码
优化模型程序代码
10-23
数学建模优化模型代码
最优化模型在MATLAB中的求解方法
04-26
最优化模型在MATLAB中的求解方法,分享给建模中的同仁！
matlab优化模型参数程序实例
11-26
matlab优化模型参数程序实例matlab优化模型参数程序实例
【数学建模】六：MATLAB优化模型求解方法(2)：全局优化
ｋ的博客
03-25 2119
       离散型问题是建模竞赛中的主流题型，如果判断所研究的问题是组合优化问题， 那么就大概率需要全局优化算法了。历年赛题中， 比较经典的这类问题有灾情巡视、公交车调度、彩票问题、露天矿卡车调度、交巡警服务平台、太阳影子定位等等。可见全局优化问题的求解算法在数学建模中的重要性，这一讲重要就介绍 MATLAB 全局优化技术及相关实例。 1. MAT...
数学建模matlab 优化模型,数学建模实验中三种优化模型的分析
weixin_39936134的博客
03-18 1286
1. 引言在20世纪中期，数学建模 [1] 就在欧美国度首次被发现，而在中国的呈现稍晚些，但是大约在80年代初始咱们国家也就有了。它的核心即是创立数学模型 [2] ，使得问题获得最优化的解决。而数学建模最关键而又最难的是模型的建立。建造模型是一种创作，成功的模型往往是科技和创作的结果。在建模前就要做一些准备工作，比如：认识须要处理题目的现实状态以及现实成果，尽可能多的了解处理东西的种种相关知识；接...
数学建模专栏 | 第五篇：MATLAB优化模型求解方法(上)：标准模型
cywtiancai的博客
09-13 550
最优化赛题是数学建模大赛中最常见的问题类型之一。一般说来，凡是寻求最大、最小、最远、最近、最经济、最丰富、最高效、最耗时的目标，都可以划入优化问题的范畴。MATLAB 优化工具箱和全局优化工具箱对多个优化问题提供了完整的解决方案，前者涵盖了线性规划、混合整型线性规划、二次规划、非线性优化、非线性最小二乘的求解器，后者囊括了全局搜索、多初始点、模式搜索、遗传算法等求解算法。 本讲主要介绍如何使用优...
电力系统潮流计算：N-R法详解与应用
2. 掌握牛顿-拉夫逊法的MATLAB编程，它是求解非线性方程组的一种有效方法。通过迭代更新，逐步逼近方程组的解，直到满足预设的收敛条件。 3. 应用学到的知识，根据给定的网络结构、节点类型和参数，采用直角坐标...

“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 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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