数学建模社区-数学中国

标题: 数学建模必用matlab程序 [打印本页]

作者: wenxinzi 时间: 2011-9-6 22:31
标题: 数学建模必用matlab程序
一基于均值生成函数时间序列预测算法程序
1. predict_fun.m为主程序;
2. timeseries.m和 serie**pan.m为调用的子程序

function ima_pre=predict_fun(b,step)
% main program invokes timeseries.m and serie**pan.m
% input parameters:
% b-------the training data (vector);
% step----number of prediction data;
% output parameters:
% ima_pre---the prediction data(vector);
old_b=b;
mean_b=sum(old_b)/length(old_b);
std_b=std(old_b);
old_b=(old_b-mean_b)/std_b;
[f,x]=timeseries(old_b);
old_f2=serie**pan(old_b,step);
% f(f<0.0001&f>-0.0001)=f(f<0.0001&f>-0.0001)+eps;
R=corrcoef(f);
[eigvector eigroot]=eig(R);
eigroot=diag(eigroot);
a=eigroot(end:-1:1);
vector=eigvector(:,end:-1:1);
Devote=a./sum(a);
Devotem=cumsum(Devote);
m=find(Devotem>=0.995);
m=m(1);
V1=f*eigvector';
V=V1(:,1:m);
% old_b=old_b;
old_fai=inv(V'*V)*V'*old_b;
eigvector=eigvector(1:m,1:m);
fai=eigvector*old_fai;
f2=old_f2(:,1:m);
predictvalue=f2*fai;
ima_pre=std_b*predictvalue+mean_b;

1.子函数: timeseries.m
% timeseries program%
% this program is used to generate mean value matrix f;
function [f,x]=timeseries(data)
% data--------the input sequence (vector);
% f------mean value matrix f;
n=length(data);
for L=1:n/2
nL=floor(n/L);
for i=1:L
      sum=0;
      for j=1:nL
         sum=sum+data(i+(j-1)*L);
   end
   x{L,i}=sum/nL;
end
end
L=n/2;
f=zeros(n,L);
for i=1:L
rep=floor(n/i);
res=mod(n,i);
b=[x{i,1:i}];b=b';
f(1:rep*i,i)=repmat(b,rep,1);
if res~=0
      c=rep*i+1:n;
      f(rep*i+1:end,i)=b(1:length(c));
end
end

% serie**pan.m
% the program is used to generate the prediction matrix f;
function f=serie**pan(data,step);
%data---- the input sequence (vector)
% setp---- the prediction number;
n=length(data);
for L=1:n/2
nL=floor(n/L);
for i=1:L
      sum=0;
      for j=1:nL
         sum=sum+data(i+(j-1)*L);
   end
   x{L,i}=sum/nL;
end
end
L=n/2;
f=zeros(n+step,L);
for i=1:L
rep=floor((n+step)/i);
res=mod(n+step,i);
b=[x{i,1:i}];b=b';
f(1:rep*i,i)=repmat(b,rep,1);
if res~=0
      c=rep*i+1:n+step;
      f(rep*i+1:end,i)=b(1:length(c));
end
end

二最短路Dijkstra算法
% dijkstra algorithm code program%
% the shortest path length algorithm
function [path,short_distance]=ShortPath_Dijkstra(Input_weight,start,endpoint)
% Input parameters:
% Input_weight-------the input node weight!
% start--------the start node number;
% endpoint------the end node number;
% Output parameters:
% path-----the shortest lenght path from the start node to end node;
% short_distance------the distance of the shortest lenght path from the
% start node to end node.
[row,col]=size(Input_weight);

%input detection
if row~=col
error('input matrix is not a square matrix,input error ' );
end
if endpoint>row
error('input parameter endpoint exceed the maximal point number');
end

%initialization
s_path=[start];
distance=inf*ones(1,row);distance(start)=0;
flag(start)=start;temp=start;

while length(s_path)<row
pos=find(Input_weight(temp, : )~=inf);
for i=1:length(pos)
      if (length(find(s_path==pos(i)))==0)&
(distance(pos(i))>(distance(temp)+Input_weight(temp,pos(i))))
         distance(pos(i))=distance(temp)+Input_weight(temp,pos(i));
         flag(pos(i))=temp;
      end
end
k=inf;
for i=1:row
      if (length(find(s_path==i))==0)&(k>distance(i))
         k=distance(i);
         temp_2=i;
      end
end
s_path=[s_path,temp_2];
temp=temp_2;
end

%output the result
path(1)=endpoint;
i=1;
while path(i)~=start
path(i+1)=flag(path(i));
i=i+1;
end
path(i)=start;
path=path(end:-1:1);
short_distance=distance(endpoint);
三绘制差分方程的映射分叉图

function fork1(a);

% 绘制x_(n+1)=1-a*x^2_n映射的分叉图
% Example:
%    fork1([0,2]);
N=300;  % 取样点数
A=linspace(a(1),a(2),N);
starx=0.9;
Z=[];
h=waitbar(0,'please wait');m=1;
for ap=A;
x=starx;
for k=1:50;
      x=1-ap*x^2;
end
for k=1:201;
   x=1-ap*x^2;
   Z=[Z,ap-x*i];
end
waitbar(m/N,h,['completed  ',num2str(round(100*m/N)),'%'],h);
m=m+1;
end
delete(h);
plot(Z,'.','markersize',2)
xlim(a);

四最短路算法------floyd算法
function ShortPath_floyd(w,start,terminal)
%w----adjoin matrix, w=[0 50 inf inf inf;inf 0 inf inf 80;
%inf 30 0 20 inf;inf inf inf 0 70;65 inf 100 inf 0];
%start-----the start node;
%terminal--------the end node;
n=size(w,1);
[D,path]=floyd1(w);%调用floyd算法程序

%找出任意两点之间的最短路径，并输出
for i=1:n
for j=1:n
      Min_path(i,j).distance=D(i,j);
      %将i到j的最短路程赋值 Min_path(i,j).distance
      %将i到j所经路径赋给Min_path(i,j).path
      Min_path(i,j).path(1)=i;
      k=1;
      while Min_path(i,j).path(k)~=j
         k=k+1;
         Min_path(i,j).path(k)=path(Min_path(i,j).path(k-1),j);
      end
end
end
s=sprintf('任意两点之间的最短路径如下：');
disp(s);
for i=1:n
for j=1:n
      s=sprintf('从%d到%d的最短路径长度为：%d\n所经路径为：'...
         ,i,j,Min_path(i,j).distance);
      disp(s);
      disp(Min_path(i,j).path);
end
end

%找出在指定从start点到terminal点的最短路径，并输出
str1=sprintf('从%d到%d的最短路径长度为：%d\n所经路径为：',...
start,terminal,Min_path(start,terminal).distance);
disp(str1);
disp(Min_path(start,terminal).path);

%Foldy's Algorithm 算法程序
function [D,path]=floyd1(a)
n=size(a,1);
D=a;path=zeros(n,n);%设置D和path的初值
for i=1:n
for j=1:n
   if D(i,j)~=inf
      path(i,j)=j;%j是i的后点
   end
end
end
%做n次迭代，每次迭代都更新D(i,j)和path(i,j)
for k=1:n
for i=1:n
   for j=1:n
      if D(i,k)+D(k,j)<D(i,j)
         D(i,j)=D(i,k)+D(k,j);%修改长度
         path(i,j)=path(i,k);%修改路径
      end
   end
end
end

五模拟退火算法源程序
function [MinD,BestPath]=MainAneal(CityPosition,pn)
function [MinD,BestPath]=MainAneal2(CityPosition,pn)
%此题以中国31省会城市的最短旅行路径为例，给出TSP问题的模拟退火程序
%CityPosition_31=[1304 2312;3639 1315;4177 2244;3712 1399;3488 1535;3326 1556;...
%                3238 1229;4196 1044;4312  790;4386  570;3007 1970;2562 1756;...
%                2788 1491;2381 1676;1332  695;3715 1678;3918 2179;4061 2370;...
%                3780 2212;3676 2578;4029 2838;4263 2931;3429 1908;3507 2376;...
%                3394 2643;3439 3201;2935 3240;3140 3550;2545 2357;2778 2826;2370 2975];

%T0=clock
global path p2 D;
[m,n]=size(CityPosition);
%生成初始解空间，这样可以比逐步分配空间运行快一些
TracePath=zeros(1e3,m);
Distance=inf*zeros(1,1e3);

D = sqrt((CityPosition( :,  ones(1,m)) - CityPosition( :,  ones(1,m))').^2 +...
(CityPosition( : ,2*ones(1,m)) - CityPosition( :,2*ones(1,m))').^2 );
%将城市的坐标矩阵转换为邻接矩阵（城市间距离矩阵）
for i=1:pn
path(i,:)=randperm(m);%构造一个初始可行解
end
t=zeros(1,pn);
p2=zeros(1,m);

iter_max=100;%input('请输入固定温度下最大迭代次数iter_max=' );
m_max=5;%input('请输入固定温度下目标函数值允许的最大连续未改进次数m_nax=' ) ;
%如果考虑到降温初期新解被吸收概率较大，容易陷入局部最优
%而随着降温的进行新解被吸收的概率逐渐减少，又难以跳出局限
%人为的使初期 iter_max,m_max 较小，然后使之随温度降低而逐步增大,可能
%会收到到比较好的效果

T=1e5;
N=1;
tau=1e-5;%input('请输入最低温度tau=' );
%nn=ceil(log10(tau/T)/log10(0.9));
while  T>=tau%&m_num<m_max
   iter_num=1;%某固定温度下迭代计数器
   m_num=1;%某固定温度下目标函数值连续未改进次数计算器
   %iter_max=100;
   %m_max=10;%ceil(10+0.5*nn-0.3*N);
   while m_num<m_max&iter_num<iter_max
      %MRRTT(Metropolis, Rosenbluth, Rosenbluth, Teller, Teller)过程:
         %用任意启发式算法在path的领域N(path)中找出新的更优解
         for i=1:pn
               Len1(i)=sum([D(path(i,1:m-1)+m*(path(i,2:m)-1)) D(path(i,m)+m*(path(i,1)-1))]);
%计算一次行遍所有城市的总路程
               [path2(i,: )]=ChangePath2(path(i,: ),m);%更新路线
               Len2(i)=sum([D(path2(i,1:m-1)+m*(path2(i,2:m)-1)) D(path2(i,m)+m*(path2(i,1)-1))]);
         end
         %Len1
         %Len2
         %if Len2-Len1<0|exp((Len1-Len2)/(T))>rand
         R=rand(1,pn);
         %Len2-Len1<t|exp((Len1-Len2)/(T))>R
         if find((Len2-Len1<t|exp((Len1-Len2)/(T))>R)~=0)
               path(find((Len2-Len1<t|exp((Len1-Len2)/(T))>R)~=0), : )=path2(find((Len2-Len1<t|exp((Len1-Len2)/(T))>R)~=0), : );
               Len1(find((Len2-Len1<t|exp((Len1-Len2)/(T))>R)~=0))=Len2(find((Len2-Len1<t|exp((Len1-Len2)/(T))>R)~=0));
               [TempMinD,TempIndex]=min(Len1);
               %TempMinD
               TracePath(N,: )=path(TempIndex,: );
               Distance(N,: )=TempMinD;
               N=N+1;
               %T=T*0.9
               m_num=0;
         else
               m_num=m_num+1;
         end
         iter_num=iter_num+1;
      end
      T=T*0.9
%m_num,iter_num,N
end
[MinD,Index]=min(Distance);
BestPath=TracePath(Index,: );
disp(MinD)
%T1=clock


%更新路线子程序
function [p2]=ChangePath2(p1,CityNum)
global p2;
while(1)
   R=unidrnd(CityNum,1,2);
   if abs(R(1)-R(2))>1
      break;
   end
end
R=unidrnd(CityNum,1,2);
I=R(1);J=R(2);
%len1=D(p(I),p(J))+D(p(I+1),p(J+1));
%len2=D(p(I),p(I+1))+D(p(J),p(J+1));
if I<J
p2(1:I)=p1(1:I);
p2(I+1:J)=p1(J:-1:I+1);
p2(J+1:CityNum)=p1(J+1:CityNum);
else
p2(1:J)=p1(1:J);
p2(J+1:I)=p1(I:-1:J+1);
p2(I+1:CityNum)=p1(I+1:CityNum);
end

六遗传算                                                                                                                                                                法程序:
说明: 为遗传算法的主程序; 采用二进制Gray编码,采用基于轮盘赌法的非线性排名选择, 均匀交叉,变异操作,而且还引入了倒位操作!

function [BestPop,Trace]=fga(FUN,LB,UB,eranum,popsize,pCross,pMutation,pInversion,options)
% [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation)
% Finds a  maximum of a function of several variables.
% fmaxga solves problems of the form:
%    max F(X)  subject to:  LB <= X <= UB
%  BestPop    - 最优的群体即为最优的染色体群
%  Trace       - 最佳染色体所对应的目标函数值
%  FUN          - 目标函数
%  LB          - 自变量下限
%  UB          - 自变量上限
%  eranum       - 种群的代数,取100--1000(默认200)
%  popsize    - 每一代种群的规模；此可取50--200(默认100)
%  pcross       - 交叉概率,一般取0.5--0.85之间较好(默认0.8)
%  pmutation    - 初始变异概率,一般取0.05-0.2之间较好(默认0.1)
%  pInversion - 倒位概率,一般取0.05－0.3之间较好(默认0.2)
%  options    - 1*2矩阵,options(1)=0二进制编码(默认0),option(1)~=0十进制编
%码,option(2)设定求解精度(默认1e-4)
%
%  ------------------------------------------------------------------------

T1=clock;
if nargin<3, error('FMAXGA requires at least three input arguments'); end
if nargin==3, eranum=200;popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==4, popsize=100;pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==5, pCross=0.8;pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==6, pMutation=0.1;pInversion=0.15;options=[0 1e-4];end
if nargin==7, pInversion=0.15;options=[0 1e-4];end
if find((LB-UB)>0)
error('数据输入错误,请重新输入(LB<UB):');
end
s=sprintf('程序运行需要约%.4f 秒钟时间,请稍等......',(eranum*popsize/1000));
disp(s);

global m n NewPop children1 children2 VarNum

bounds=[LB;UB]';bits=[];VarNum=size(bounds,1);
precision=options(2);%由求解精度确定二进制编码长度
bits=ceil(log2((bounds(:,2)-bounds(:,1))' ./ precision));%由设定精度划分区间
[Pop]=InitPopGray(popsize,bits);%初始化种群
[m,n]=size(Pop);
NewPop=zeros(m,n);
children1=zeros(1,n);
children2=zeros(1,n);
pm0=pMutation;
BestPop=zeros(eranum,n);%分配初始解空间BestPop,Trace
Trace=zeros(eranum,length(bits)+1);
i=1;
while i<=eranum
for j=1:m
      value(j)=feval(FUN(1,:),(b2f(Pop(j,:),bounds,bits)));%计算适应度
end
[MaxValue,Index]=max(value);
BestPop(i,:)=Pop(Index,:);
Trace(i,1)=MaxValue;
Trace(i,(2:length(bits)+1))=b2f(BestPop(i,:),bounds,bits);
[selectpop]=NonlinearRankSelect(FUN,Pop,bounds,bits);%非线性排名选择
[CrossOverPop]=CrossOver(selectpop,pCross,round(unidrnd(eranum-i)/eranum));
%采用多点交叉和均匀交叉，且逐步增大均匀交叉的概率
%round(unidrnd(eranum-i)/eranum)
[MutationPop]=Mutation(CrossOverPop,pMutation,VarNum);%变异
[InversionPop]=Inversion(MutationPop,pInversion);%倒位
Pop=InversionPop;%更新
pMutation=pm0+(i^4)*(pCross/3-pm0)/(eranum^4);
%随着种群向前进化，逐步增大变异率至1/2交叉率
p(i)=pMutation;
i=i+1;
end
t=1:eranum;
plot(t,Trace(:,1)');
title('函数优化的遗传算法');xlabel('进化世代数(eranum)');ylabel('每一代最优适应度(maxfitness)');
[MaxFval,I]=max(Trace(:,1));
X=Trace(I,(2:length(bits)+1));
hold on;  plot(I,MaxFval,'*');
text(I+5,MaxFval,['FMAX=' num2str(MaxFval)]);
str1=sprintf('进化到 %d 代 ,自变量为 %s 时,得本次求解的最优值 %f\n对应染色体是：%s',I,num2str(X),MaxFval,num2str(BestPop(I,:)));
disp(str1);
%figure(2);plot(t,p);%绘制变异值增大过程
T2=clock;
elapsed_time=T2-T1;
if elapsed_time(6)<0
elapsed_time(6)=elapsed_time(6)+60; elapsed_time(5)=elapsed_time(5)-1;
end
if elapsed_time(5)<0
elapsed_time(5)=elapsed_time(5)+60;elapsed_time(4)=elapsed_time(4)-1;
end  %像这种程序当然不考虑运行上小时啦
str2=sprintf('程序运行耗时 %d 小时 %d 分钟 %.4f 秒',elapsed_time(4),elapsed_time(5),elapsed_time(6));
disp(str2);

%初始化种群
%采用二进制Gray编码,其目的是为了克服二进制编码的Hamming悬崖缺点
function [initpop]=InitPopGray(popsize,bits)
len=sum(bits);
initpop=zeros(popsize,len);%The whole zero encoding individual
for i=2:popsize-1
pop=round(rand(1,len));
pop=mod(([0 pop]+[pop 0]),2);
%i=1时,b(1)=a(1);i>1时,b(i)=mod(a(i-1)+a(i),2)
%其中原二进制串:a(1)a(2)...a(n),Gray串:b(1)b(2)...b(n)
initpop(i,:)=pop(1:end-1);
end
initpop(popsize,:)=ones(1,len);%The whole one encoding individual
%解码

function [fval] = b2f(bval,bounds,bits)
% fval - 表征各变量的十进制数
% bval - 表征各变量的二进制编码串
% bounds - 各变量的取值范围
% bits - 各变量的二进制编码长度
scale=(bounds(:,2)-bounds(:,1))'./(2.^bits-1); %The range of the variables
numV=size(bounds,1);
cs=[0 cumsum(bits)];
for i=1:numV
  a=bval((cs(i)+1):cs(i+1));
  fval(i)=sum(2.^(size(a,2)-1:-1:0).*a)*scale(i)+bounds(i,1);
end
%选择操作
%采用基于轮盘赌法的非线性排名选择
%各个体成员按适应值从大到小分配选择概率：
%P(i)=(q/1-(1-q)^n)*(1-q)^i,  其中 P(0)>P(1)>...>P(n), sum(P(i))=1

function [selectpop]=NonlinearRankSelect(FUN,pop,bounds,bits)
global m n
selectpop=zeros(m,n);
fit=zeros(m,1);
for i=1:m
fit(i)=feval(FUN(1,:),(b2f(pop(i,:),bounds,bits)));%以函数值为适应值做排名依据
end
selectprob=fit/sum(fit);%计算各个体相对适应度(0,1)
q=max(selectprob);%选择最优的概率
x=zeros(m,2);
x(:,1)=[m:-1:1]';
[y x(:,2)]=sort(selectprob);
r=q/(1-(1-q)^m);%标准分布基值
newfit(x(:,2))=r*(1-q).^(x(:,1)-1);%生成选择概率
newfit=cumsum(newfit);%计算各选择概率之和
rNums=sort(rand(m,1));
fitIn=1;newIn=1;
while newIn<=m
if rNums(newIn)<newfit(fitIn)
      selectpop(newIn,:)=pop(fitIn,:);
      newIn=newIn+1;
else
      fitIn=fitIn+1;
end
end
%交叉操作
function [NewPop]=CrossOver(OldPop,pCross,opts)
%OldPop为父代种群，pcross为交叉概率
global m n NewPop
r=rand(1,m);
y1=find(r<pCross);
y2=find(r>=pCross);
len=length(y1);
if len>2&mod(len,2)==1%如果用来进行交叉的染色体的条数为奇数，将其调整为偶数
y2(length(y2)+1)=y1(len);
y1(len)=[];
end
if length(y1)>=2
for i=0:2:length(y1)-2
   if opts==0
         [NewPop(y1(i+1),:),NewPop(y1(i+2),:)]=EqualCrossOver(OldPop(y1(i+1),:),OldPop(y1(i+2),:));
   else
         [NewPop(y1(i+1),:),NewPop(y1(i+2),:)]=MultiPointCross(OldPop(y1(i+1),:),OldPop(y1(i+2),:));
   end
end
end
NewPop(y2,:)=OldPop(y2,:);

%采用均匀交叉
function [children1,children2]=EqualCrossOver(parent1,parent2)

global n children1 children2
hidecode=round(rand(1,n));%随机生成掩码
crossposition=find(hidecode==1);
holdposition=find(hidecode==0);
children1(crossposition)=parent1(crossposition);%掩码为1，父1为子1提供基因
children1(holdposition)=parent2(holdposition);%掩码为0，父2为子1提供基因
children2(crossposition)=parent2(crossposition);%掩码为1，父2为子2提供基因
children2(holdposition)=parent1(holdposition);%掩码为0，父1为子2提供基因

%采用多点交叉，交叉点数由变量数决定

function [Children1,Children2]=MultiPointCross(Parent1,Parent2)

global n Children1 Children2 VarNum
Children1=Parent1;
Children2=Parent2;
Points=sort(unidrnd(n,1,2*VarNum));
for i=1:VarNum
Children1(Points(2*i-1):Points(2*i))=Parent2(Points(2*i-1):Points(2*i));
Children2(Points(2*i-1):Points(2*i))=Parent1(Points(2*i-1):Points(2*i));
end

%变异操作
function [NewPop]=Mutation(OldPop,pMutation,VarNum)

global m n NewPop
r=rand(1,m);
position=find(r<=pMutation);
len=length(position);
if len>=1
for i=1:len
   k=unidrnd(n,1,VarNum); %设置变异点数，一般设置1点
   for j=1:length(k)
         if OldPop(position(i),k(j))==1
            OldPop(position(i),k(j))=0;
         else
            OldPop(position(i),k(j))=1;
         end
   end
end
end
NewPop=OldPop;

%倒位操作

function [NewPop]=Inversion(OldPop,pInversion)

global m n NewPop
NewPop=OldPop;
r=rand(1,m);
PopIn=find(r<=pInversion);
len=length(PopIn);
if len>=1
for i=1:len
      d=sort(unidrnd(n,1,2));
      if d(1)~=1&d(2)~=n
         NewPop(PopIn(i),1:d(1)-1)=OldPop(PopIn(i),1:d(1)-1);
         NewPop(PopIn(i),d(1):d(2))=OldPop(PopIn(i),d(2):-1:d(1));
         NewPop(PopIn(i),d(2)+1:n)=OldPop(PopIn(i),d(2)+1:n);
   end
end
end

七径向基神经网络训练程序

clear all;
clc;
%newrb 建立一个径向基函数神经网络
p=0:0.1:1; %输入矢量
t=[0 -1 0 1 1 0 -1 0 0 1 1 ];%目标矢量
goal=0.01; %误差
sp=1; %扩展常数
mn=100;%神经元的最多个数
df=1; %训练过程的显示频率
[net,tr]=newrb(p,t,goal,sp,mn,df); %创建一个径向基函数网络
% [net,tr]=train(net,p); %调用traingdm算法训练网络
%对网络进行仿真,并绘制样本数据和网络输出图形
A=sim(net,p);
E=t-A;
sse=sse(E);
figure;
plot(p,t,'r-+',p,A,'b-*');
legend('输入数据曲线','训练输出曲线');
echo off

说明:newrb函数本来在创建新的网络的时候就进行了训练!
每次训练都增加一个神经元,都能最大程度得降低误差,如果未达到精度要求,
那么继续增加神经元,程序终止条件是满足精度要求或者达到最大神经元的数目.关键的一个常数是spread(即散布常数的设置,扩展常数的设置).不能对创建的net调用train函数进行训练!

训练结果显示:
NEWRB, neurons = 0, SSE = 5.0973
NEWRB, neurons = 2, SSE = 4.87139
NEWRB, neurons = 3, SSE = 3.61176
NEWRB, neurons = 4, SSE = 3.4875
NEWRB, neurons = 5, SSE = 0.534217
NEWRB, neurons = 6, SSE = 0.51785
NEWRB, neurons = 7, SSE = 0.434259
NEWRB, neurons = 8, SSE = 0.341518
NEWRB, neurons = 9, SSE = 0.341519
NEWRB, neurons = 10, SSE = 0.00257832

八删除当前路径下所有的带后缀.asv的文件
说明:该程序具有很好的移植性,用户可以根据自己地
要求修改程序，删除不同后缀类型的文件!
function delete_asv(bpath)
%If bpath is not specified,it lists all the asv files in the current
%directory and will delete all the file with asv
% Example:
% delete_asv('*.asv') will delete the file with name *.asv;
% delete_asv will delete all the file with .asv.

if nargin < 1
%list all the asv file in the current directory
files=dir('*.asv');
else
% find the exact file in the path of bpath
[pathstr,name] = fileparts(bpath);
if exist(bpath,'dir')
      name = [name '\*'];
end
ext = '.asv';
files=dir(fullfile(pathstr,[name ext]));
end

if ~isempty(files)
for i=1:size(files,1)
      title=files(i).name;
      delete(title);
end
end

同样也可以在Matlab的窗口设置中取消保存.asv文件!

作者: Tony.tong 时间: 2011-9-7 16:58
楼主很强大顶一个估计明天我要调试一天的程序了吼吼比赛加油

作者: wenxinzi 时间: 2011-9-8 10:48
我也是的，你哪的啊

作者: 马蒂哦 时间: 2011-9-8 10:52
好啊！！希望有用！！！！！

作者: 梦追影 时间: 2011-9-8 15:51
谢谢楼主！

作者: jt202010 时间: 2011-9-8 17:35

作者: shuaibit 时间: 2011-9-8 18:25
楼主强悍，求WORD版的~国赛加油

作者: wllwslwyy 时间: 2011-9-8 21:16
牛啊，楼主

作者: 人街 时间: 2011-9-8 21:23

作者: 冷月寒星 时间: 2011-9-17 11:02
楼主厉害啊

作者: shuxuezaozhuang 时间: 2011-9-17 20:49
谢谢了！！

作者: agggad 时间: 2011-9-17 22:06
不懂啊，请教楼主

作者: robinc2010 时间: 2011-9-23 21:41
楼主威武啊！

作者: 大鲵2003 时间: 2012-2-2 11:19

作者: alair006 时间: 2012-2-7 15:09
囧了，下了无数不知道用哪个有用7344881927716840

作者: siweiqi2010 时间: 2012-2-7 20:34
表示看到这么长的一大串的我十分忐忑...==...

作者: 喜悦 时间: 2012-2-8 20:35

作者: Xiao_xiong 时间: 2012-2-17 09:05
楼主强大，比赛结果牛逼ba

作者: 我数学 时间: 2012-2-20 17:08

作者: xiaocheng2016 时间: 2012-2-26 17:16
谢谢楼主！！！！！！！！！！！！！

作者: xiaocheng2016 时间: 2012-2-26 21:01
2011数模B题评阅要点（参考答案） [复制链接]

作者: 醉风流 时间: 2012-4-9 13:43
这个程序真长呀丫丫丫

作者: X.w.j.拽. 时间: 2012-8-31 20:33
真心佩服···

作者: dark木 时间: 2012-9-1 15:11
楼主强大。。。

作者: 920504lzl 时间: 2012-9-3 14:14
楼主强大啊！！！

作者: 007\\ 时间: 2012-10-10 20:50
很好很强大。。。

作者: Go_with_wind 时间: 2012-10-26 16:13

楼主给力

作者: 唯世 时间: 2013-4-21 16:21
taiqiangdaleba!

作者: haoxufei 时间: 2013-7-12 12:59
。。。。。。。。。。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 12:59
好。。。。。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
好好好好啊。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

作者: haoxufei 时间: 2013-7-12 13:00
。。。。。。。。。。。。。。。。。。。。。。。。

作者: xiaolumath 时间: 2013-7-24 14:17
膜拜大神

作者: lihehe12121 时间: 2013-7-27 15:05

Tony.tong 发表于 2011-9-7 16:58 , k2 B$ Q7 _* _! u0 [9 j% w
楼主很强大顶一个估计明天我要调试一天的程序了吼吼比赛加油

恩恩呢嫩。。。

作者: 李梦龙33 时间: 2013-8-10 15:16
make........

作者: 李福团 时间: 2013-8-17 23:20
hoa good!!

作者: feihong2012 时间: 2013-8-23 20:55
好厉害！顶一个……

作者: jakyyi 时间: 2013-8-26 11:44
谢谢啊啊啊啊啊啊啊啊啊啊阿啊啊啊啊阿啊

作者: 韶华路人 时间: 2013-12-8 14:55
保存在文件里更好

作者: wangzijie 时间: 2013-12-8 19:08
niubility!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

作者: 怀沙自沉 时间: 2014-5-19 12:59
好东西，谢谢分享

作者: 空木葬花 时间: 2014-8-18 14:47
非常感谢楼主

作者: jacklove333 时间: 2015-1-31 21:28
好东西。。。。。~~~

作者: sysusym94 时间: 2015-2-9 17:01
！！！！！！
赞赞赞

作者: 书成 时间: 2015-7-11 20:34
O(∩_∩)O哈！

作者: hzj88348624 时间: 2016-1-17 23:18

谢谢了～～

作者: 516540916 时间: 2016-1-26 19:32
赞楼主好人赞

作者: 516540916 时间: 2016-1-26 19:33
赞楼主好人赞

作者: 晓风如醉 时间: 2016-1-26 21:55
多谢楼主！！！！

作者: 2027507950 时间: 2018-1-25 19:43
哇，非常感谢分享

作者: 630785319 时间: 2018-2-2 15:51
6666666666666666666666666

作者: 630785319 时间: 2018-2-2 15:51
顶顶顶顶

欢迎光临数学建模社区-数学中国 (http://www.madio.net/)