【SICP练习】25 练习1.31

本文探讨了在Scheme语言中实现product过程的方法,用于计算给定范围内各点函数值的乘积,以及如何利用此过程计算阶乘和π的近似值。通过迭代方式优化了product过程,并展示了如何通过增加参数n来提高π计算的精度。


练习1.31

题目中已经说的很清楚了,product用来返回在给定范围中各点的某个函数值的乘积。我们惊奇的发现这和前面的sum有着很大的相似,无非是将加法换成了乘法:

(define (product term a next b)

    (if(> a b)

       1

      (* (term a)

        (product term (next a) next b))))

既然在上一道习题中已经得出了sum的迭代版本,在这里同样也可以将它写成迭代的。

(define (product term a next b)

   (define (product-iter a other)

       (if (> a b)

          other

          (product-iter (next a)

                        (* (term a) other))))

   (product-iter a 1))

不怕被笑话,我还去查了factorial的中文意思。有了product来写factorial不要太容易呀,只不过要借助以下很久之前用到过的lambda。不过完全也可以用额外定义的函数实现同样的功能,只不过在函数内用lambda会使代码更加简洁。

(define (factorial n)

   (product (lambda (x) x) 1 (lambda (x) (+ x 1)) n))

下面我们来测试一下这个函数。

晕倒。。。博主轻飘飘的来了一个(factorial 50)结果返回了半个屏幕宽的数字。

话说我写到这里的时候才把a题做完,b题都没有看,没想到居然不知不觉中把b也碰巧做了。不过再看看原来a还没有写完,还要求pi的近似值。

那么这部分的策略是将分子和分母分开来看。先来看分子,我们可以准备一个函数,有一个参数n,如果n是1则返回2,n是奇数则加上1,n是偶数则加2。分母也可以用这种函数来产生。然后我们将左式中的4乘到右式,并且通过前面学的exact->inexact将分数转换成浮点数。最后我们就求出了pi。下面是完整的代码。

(define (get-pi n)

  (define (get-numerator a)

       (cond((= a 1) 2)

           ((odd? a) (+ a 1))

       (else(+ a 2))))

  (define (get-denominator b)

      (cond ((odd? b) (+ b 2))

            (else (+ b 1))))

   (define (add1 c)

      (+ c 1))

 (* 4(exact->inexact  (/ (productget-numerator 1 add1 n)

                        (product get-denominator 1 add1 n)))))

如是,我们再来检测检测。

(get-pi 300)

;Value: 3.1467982645089903

参数n越大,计算得到的pi越精确。

版权声明:本文为 NoMasp柯于旺 原创文章,未经许可严禁转载!欢迎访问我的博客:http://blog.youkuaiyun.com/nomasp

转载于:https://my.oschina.net/nomasp/blog/503328

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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