如何将for i=1:LL向量化计算

时间: 2024-02-09 09:09:57 浏览: 32
将`for i=1:LL`向量化计算需要使用MATLAB的向量化计算功能。具体步骤如下: 1. 将`aa`、`ab`、`ac`、`ad`等数组改为二维数组,例如`aa(i,j,k)`。 2. 使用`meshgrid`函数生成`x`和`t`的网格矩阵,例如`[X,T] = meshgrid(x,t)`。 3. 计算`sqrt(rrrr + (z - x).(z - x))`和`sqrt(rrrr + (z + x).(z + x))`,并保存为新的变量,例如`temp1=sqrt(rrrr + (z - X).*(z - X))`和`temp2=sqrt(rrrr + (z + X).*(z + X))`。 4. 将`aa`、`ab`、`ac`、`ad`等数组中的循环计算转化为向量计算。例如: ``` aa = integral(@(x)0.25*exp(v*Xt*0.5 / Rap).*exp(-v * temp1 / Rap).*erfc((temp1 - v * T)*0.5 / sqrt(Rap*T))./sqrt(temp1)/(2 * 3.1415926*Rlamd),a,b); ``` 在这个版本的代码中,`temp1`和`T`都是二维数组,`erfc`函数也是向量化的。这样就可以避免使用`for`循环,而是使用向量化的方式进行计算。 5. 最后,将计算结果保存到`Tj`数组中,例如`Tj(:,:,k,ii,a1,b1)=reshape(sum(sum(T,1),2),[LL 1])`。在这个版本的代码中,使用了`sum`函数进行求和,并使用`reshape`函数将结果转换为二维数组。 通过向量化计算,可以避免使用`for`循环,使代码更加简洁高效。

相关推荐

for a2=1:zx ZKX=a2*gj; for b2=1:zy ZKY=b2*gj; r=sqrt((ZKX-JSX)^2+(ZKY-JSY)^2); Xt=abs(JSX-ZKX); %计算点到钻孔的x距离 if(a2==2&&b2==1) continue; end rbs=((ZKX-a1*gj)^2+(ZKY-b1*gj)^2)/gj^2+1; for j=1:nj if (j==1) z=1; elseif(j==nj) z=H-1; else z=(j-1)*dz; end for k=1:nj if(k==1) a=0; b=dz/2; elseif(k==nj) a=H-dz/2; b=H; else a=(2*k-3)*dz*0.5; b=(2*k-1)*dz*0.5; end rydis=(a+b)/2; jsdis=z; [v,Rap,Iap,Rlamd,Ilamd] = untitled55(rydis,jsdis); rr=r; parfor i=1:LL t=i*dt; aa=integral(@(x)0.25*exp(v*Xt*0.5 / Rap)*exp(-v * sqrt(rr*rr + (z - x).*(z - x))*0.5 / Rap).*erfc((sqrt(rr*rr + (z - x).*(z - x)) - v * t)*0.5 / sqrt(Rap*t))./sqrt(rr*rr + (z - x).*(z - x))/(2 * 3.1415926*Rlamd),a,b); ab=integral(@(x)0.25*exp(v*Xt*0.5 / Rap)*exp(v*sqrt(rr*rr + (z - x).*(z - x))*0.5 / Rap).*erfc((sqrt(rr*rr + (z - x).*(z - x)) + v * t)*0.5 / sqrt(Rap*t))./sqrt(rr*rr + (z - x).*(z - x))/(2 * 3.1415926*Rlamd),a,b); ac=integral(@(x)0.25*exp(v*Xt*0.5 / Iap)*exp(-v * sqrt(rr*rr + (z + x).*(z + x))*0.5 / Iap).*erfc((sqrt(rr*rr + (z + x).*(z + x)) - v * t)*0.5 / sqrt(Iap*t))./sqrt(rr*rr + (z+ x).*(z + x))/(2 * 3.1415926*Ilamd),a,b); ad=integral(@(x)0.25*exp(v*Xt*0.5 / Iap)*exp(v*sqrt(rr*rr + (z + x).*(z + x))*0.5 / Iap).*erfc((sqrt(rr*rr + (z + x).*(z + x)) + v * t)*0.5 / sqrt(Iap*t))./sqrt(rr*rr + (z + x).*(z + x))/(2 * 3.1415926*Ilamd),a,b); aa(isnan(aa)) = 0;ab(isnan(ab)) = 0;ac(isnan(ac)) = 0; ad(isnan(ad)) = 0; Tj(i,j,k,rbs)=(aa+ab-ac-ad); %Tj(i,j,k,rbs)=(aa+ab); end end end end end优化 代码

import numpy as np import matplotlib.pyplot as plt from sklearn import svm from sklearn.datasets import make_blobs from sklearn import model_selection from sklearn.metrics import f1_score def show_svm(a, b, bt): plt.figure(bt) plt.title('SVM with ' + bt) # 建立图像坐标 axis = plt.gca() plt.scatter(a[:, 0], a[:, 1], c=b, s=30) xlim = [a[:, 0].min(), a[:, 0].max()] ylim = [a[:, 1].min(), a[:, 1].max()] # 生成两个等差数列 xx = np.linspace(xlim[0], xlim[1], 50) yy = np.linspace(ylim[0], ylim[1], 50) X, Y = np.meshgrid(xx, yy) xy = np.vstack([X.ravel(), Y.ravel()]).T Z = clf.decision_function(xy).reshape(X.shape) # 画出分界线 axis.contour(X, Y, Z, colors='k', levels=[-1, 0, 1], alpha=0.5, linestyles=['--', '-', '--']) axis.scatter(clf.support_vectors_[:, 0], clf.support_vectors_[:, 1], s=200, linewidths=1, facecolors='none') if __name__ == '__main__': # data = np.loadtxt('separable_data.txt', delimiter=',') # data = np.loadtxt('non_separable_data.txt', delimiter=',') # data = np.loadtxt('banknote.txt', delimiter=',') data = np.loadtxt('ionosphere.txt', delimiter=',') # data = np.loadtxt('wdbc.txt', delimiter=',') X = data[:, 0:-1] y = data[:, -1] """标签中有一类标签为1""" y = y + 1 ymin = min(y) if not (1 in set(y)): ll = max(list(set(y))) + 1 for i in range(len(y)): if y[i] == ymin: y[i] = 1 # 建立一个线性核(多项式核)的SVM clf = svm.SVC(kernel='linear') clf.fit(X, y) """显示所有数据用于训练后的可视化结果""" show_svm(X, y, 'all dataset') """divide the data into two sections: training and test datasets""" X_train, X_test, y_train, y_test = model_selection.train_test_split(X, y, test_size=0.1, random_state=42) """training""" clf = svm.SVC(kernel='linear')#线性内核 # clf = svm.SVC(kernel='poly')# 多项式内核 # clf = svm.SVC(kernel='sigmoid')# Sigmoid内核 clf.fit(X_train, y_train) # show_svm(X_train, y_train, 'training dataset') """predict""" pred = clf.predict(X_test) pred = np.array(pred) y_test = np.array(y_test) print(f'SVM 的预测结果 f1-score:{f1_score(y_test, pred)}') # plt.show()结果与分析

最新推荐

recommend-type

node-v0.8.10-sunos-x64.tar.gz

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

【课程设计】实现的金融风控贷款违约预测python源码.zip

【课程设计】实现的金融风控贷款违约预测python源码.zip
recommend-type

node-v0.10.27-x86.msi

Node.js,简称Node,是一个开源且跨平台的JavaScript运行时环境,它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立,旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎,可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型,这使得它非常适合处理大量并发连接,从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外,Node.js使用了模块化的架构,通过npm(Node package manager,Node包管理器),社区成员可以共享和复用代码,极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展,它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等,因此,开发者可以用JavaScript编写全栈应用程序,这一点大大提高了开发效率和便捷性。 在实践中,许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台,如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能,简化了开发流程,并且能更快地响应市场需求。
recommend-type

课设毕设基于SSM的高校二手交易平台-LW+PPT+源码可运行.zip

课设毕设基于SSM的高校二手交易平台--LW+PPT+源码可运行
recommend-type

c++,冒险游戏,可供学习

冒险游戏,可供学习
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

云原生架构与soa架构区别?

云原生架构和SOA架构是两种不同的架构模式,主要有以下区别: 1. 设计理念不同: 云原生架构的设计理念是“设计为云”,注重应用程序的可移植性、可伸缩性、弹性和高可用性等特点。而SOA架构的设计理念是“面向服务”,注重实现业务逻辑的解耦和复用,提高系统的灵活性和可维护性。 2. 技术实现不同: 云原生架构的实现技术包括Docker、Kubernetes、Service Mesh等,注重容器化、自动化、微服务等技术。而SOA架构的实现技术包括Web Services、消息队列等,注重服务化、异步通信等技术。 3. 应用场景不同: 云原生架构适用于云计算环境下的应用场景,如容器化部署、微服务
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。