C语言学习-09-鞍点

一、个人理解
一个二维数组,每一行代表一个集合,一共三个集合,算出每个集合中的最大,再根据最大值所在的列计算最大值,如果还是最大值,即为鞍点。
在这里插入图片描述
二、举例
(1)第一行{8 13 31 28}计算最大值为31。
(2)31所在的列{31 52 81},52大于31,表示31不是鞍点。
(3)第二行{35 41 52 63}计算最大值为63。
(4)63所在的列{28 63 95},95大于63,表示63不是鞍点。
(5)第三行{71 176 81 95}计算最大值为176。
(6)176所在的列{13 41 176},计算最大值为176,表示176是鞍点。

三、需求
计算出二维数组中的鞍点。

四、源码

#include<stdio.h>
#define ROW 3
#define COL 4

void main()
{
    int a[ROW][COL]={{8,13,31,28},{35,41,52,63},{71,176,81,95}};
    int max,i,j,x,index,flag;

    for(i=0;i<ROW;i++)
    {
        for(j=0;j<COL;j++)
        {
            printf("%4d",a[i][j]);
        }
        printf("\n");
    }
    printf("===================\n");
    for(i=0;i<ROW;i++)
    {
        max = a[i][0];
        index = 0;
        flag = 0;
        for(j=0;j<COL;j++)
        {
            if(max<a[i][j])
            {
                max = a[i][j];
                index = j;
            }
        }
        for(x=0;x<ROW;x++)
        {
            if(max<=a[x][index]&&x!=i)
            {
                printf("%d row , a[%d][%d] : %4d >=  max value : %4d  , no saddle point.\n",i,x,index,a[x][index],max);
                flag = 1;
                break;
            }
        }
        if(!flag)
        {
            printf("%d row , max value : %4d  , have saddle point.\n",i,max);
        }
    }
}

五、运行结果
在这里插入图片描述
(1)列出了要计算鞍点的二维数组。
(2)每行的比较结果,是否为鞍点。

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    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
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