disjoint MATLAB,matlab 计算李雅普诺夫指数的方法集合

【实例简介】

matlab 计算李雅普诺夫指数的方法集合

【实例截图】

【核心代码】

李雅普诺夫

└── 李雅普诺夫

├── C-C计算延迟时间和嵌入维数

│   ├── C_CMethod.m

│   ├── correlation_integral.m

│   ├── disjoint.m

│   ├── heaviside.m

│   ├── lorenz_phase.m

│   ├── lorenz_sim.mdl

│   ├── m文件介绍.txt

│   ├── reconstitution.m

│   └── untitled.fig

├── PSD

│   ├── lorenz_phase.m

│   ├── lorenz_sim.mdl

│   └── m文件介绍.txt

├── dingyi_lyapunov

│   ├── dingyi_ly.m

│   ├── dingyi_lya.m

│   ├── fix_r_lya.m

│   ├── jacobian_jie.m

│   ├── lorenz_sim.mdl

│   ├── lya_pu.fig

│   ├── lya_pu_new.fig

│   └── m文件介绍.txt

├── fen_cha

│   ├── fen_cha.fig

│   ├── fen_cha.m

│   ├── getmax.m

│   ├── lorenz_shiyu.m

│   ├── m文件介绍.txt

│   └── 分岔.doc

├── m_test

│   ├── cao_fangfa

│   │   ├── cao.m

│   │   ├── data.m

│   │   ├── lorenz_phase.m

│   │   ├── lorenz_sim.mdl

│   │   ├── m文件介绍.txt

│   │   ├── reconstitution.m

│   │   ├── zui_lin.asv

│   │   └── zui_lin.m

│   ├── jihe_bubian.m

│   └── m文件介绍.txt

├── pinghengdian

│   ├── F.m

│   ├── m文件介绍.txt

│   ├── pinghengdian.asv

│   └── pinghengdian.m

├── poincare

│   ├── lorenz_sim.mdl

│   ├── m文件介绍.txt

│   ├── poincare.fig

│   ├── poincare_draw.m

│   └── poincare_yinshe.fig

├── tau_test

│   ├── m文件介绍.txt

│   ├── pinjun_weiyi

│   │   ├── S_weiyi.fig

│   │   ├── Untitled2.m

│   │   ├── lorenz_phase.m

│   │   ├── lorenz_sim.mdl

│   │   ├── m文件介绍.txt

│   │   ├── pinjun_weiyi.asv

│   │   ├── pinjun_weiyi.m

│   │   └── reconstitution.m

│   └── zi_xiangguan

│   ├── lorenz_phase.m

│   ├── lorenz_sim.mdl

│   ├── m文件介绍.txt

│   └── zi_xiangguan.m

├── time_test

│   ├── lorenz_phase.asv

│   ├── lorenz_phase.m

│   ├── lorenz_sim.mdl

│   ├── m文件介绍.txt

│   ├── three_phase.fig

│   ├── x_t.fig

│   ├── y_t.fig

│   ├── yx.fig

│   ├── z_t.fig

│   ├── zx.fig

│   └── zy.fig

├── wolf_lyapunov

│   ├── G_P.m

│   ├── PhaSpaRecon.m

│   ├── correlation_integral.m

│   ├── fix_r_lya.m

│   ├── lorenz_sim.mdl

│   ├── lyapunov.fig

│   ├── lyapunov.m

│   ├── lyapunov_wolf.asv

│   ├── lyapunov_wolf.m

│   ├── m文件介绍.txt

│   ├── reconstitution.m

│   ├── test_wolf.asv

│   ├── test_wolf.m

│   └── wolf.fig

├── xiaoshuju_lyapunov

│   ├── PhaSpaRecon.m

│   ├── fix_r_lya.m

│   ├── lorenz_shiyu.m

│   ├── lorenz_sim.mdl

│   ├── lya_data.m

│   ├── lya_figure.fig

│   ├── mean_cycle.m

│   ├── reconstitution.m

│   ├── runge_kutta4.m

│   ├── shiyu.m

│   ├── xiaoshuju_ly.asv

│   ├── xiaoshuju_ly.m

│   ├── 函数说明.asv

│   └── 函数说明.txt

├── zheng_jiao

│   ├── fix_r_lyapunov.m

│   ├── lorenz.m

│   ├── lya_lorenz.m

│   ├── lya_pu.fig

│   ├── lya_pu_figure.fig

│   ├── lya_wei.fig

│   ├── lyapunov.asv

│   ├── lyapunov.m

│   ├── m文件介绍.txt

│   └── reconstitution.m

├── 文件夹介绍.asv

└── 文件夹介绍.txt

16 directories, 109 files

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Kruskal算法是一种经典的最小生成树算法,用于在加权无向图中找到一棵最小的生成树。该算法主要分为以下三个步骤: 1. 初始化:将所有边按照权值从小到大排序。 2. 构建最小生成树:遍历每一条边,如果这条边的两个端点不在同一个集合中,就将它们加入到同一个集合中,并将这条边加入最小生成树中。 3. 输出最小生成树:输出步骤2中得到的最小生成树。 下面是Kruskal算法的Matlab程序实现,假设图用邻接矩阵表示,边用结构体表示: ``` function [T, w] = Kruskal(G) n = size(G,1); E = []; for i=1:n for j=i+1:n if G(i,j)>0 E = [E; struct('u',i,'v',j,'w',G(i,j))]; end end end E = sortrows(E,'w'); T = zeros(n-1,2); S = DisjointSet(n); count = 0; for i=1:size(E,1) u = E(i).u; v = E(i).v; if S.Find(u)~=S.Find(v) S.Union(u,v); count = count+1; T(count,:) = [u v]; if count==n-1 break; end end end w = sum(G(sub2ind([n n],T(:,1),T(:,2)))); end function S = DisjointSet(n) S.Parent = 1:n; S.Rank = zeros(1,n); S.Find = @Find; S.Union = @Union; end function [p, S] = Find(x, S) if x ~= S.Parent(x) S.Parent(x) = Find(S.Parent(x), S); end p = S.Parent(x); end function S = Union(x, y, S) [px, S] = Find(x, S); [py, S] = Find(y, S); if px == py return; end if S.Rank(px) < S.Rank(py) S.Parent(px) = py; elseif S.Rank(px) > S.Rank(py) S.Parent(py) = px; else S.Parent(py) = px; S.Rank(px) = S.Rank(px) + 1; end end ``` 该程序首先将图转化为边集,并按照边权值从小到大排序。然后,使用并查集数据结构来实现集合的合并操作,并依次遍历每一条边,如果这条边的两个端点不在同一个集合中,就将它们加入到同一个集合中,并将这条边加入最小生成树中。最后输出得到的最小生成树和它的权值。
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