鞍点 C语言程序设计

#include<stdio.h>
int max(int a,int b);
int min(int a,int b);
int main()
{
	int n=0;
	scanf("%d",&n);
	int a[n][n];
	int i=0,j=0;
	for(i=0;i<n;i++)
	{
		for(j=0;j<n;j++)
		{
			scanf("%d",&a[i][j]);
		}
	}
	i=0;j=0;
	int flag=0;
	for(i=0;i<n;i++)
	{
		int maxhang=0,minlie=2147483647,k=0,g;
		for(j=0;j<n;j++)
		{
			maxhang=max(maxhang,a[i][j]);
			if(maxhang==a[i][j])
			{
				g=j;//把最大值的j值提出来。 
			}
		}
		for(k=0;k<n;k++)
		{
			minlie=min(minlie,a[k][g]);
		}
		if(maxhang==minlie)
		{
			printf("%d %d\n",i,g);
			flag=1;
			break;
		}
	}
	if(!flag)
	{
		printf("NO");
	}
	return 0;
	
}
int max(int a,int b)
{
	int ret=0;
	if(a>b)
	{
		ret=a;
	}
	else
	{
		ret=b;
	}
	return ret;
}
int min(int a,int b)
{
	int ret=0;
	if(a<b)
	{
		ret=a;
	}
	else
	{
		ret=b;
	}
	return ret;
} 
 //一直想着用指针,耗费了很长时间。 
 
  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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。
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