黄金分割法程序

合集下载

Matlab(R2009a版)_MATLAB简述

Matlab(R2009a版)_MATLAB简述

结束迭代;否则,转(5);
(5)若k=n则令:X(0)X(k1),转(2)开始新的一轮迭代,
否则转(6), (6)构造新的迭代方向:
k
f ( X ) (k1) 2 f (X (转k) )(23)
并令k=k+1,
S (.k 1 ) f( X (k 1 ))kS (k )
4-4 共轭梯度法
例题:用MATLAB使用共轭梯度法求解无约束优化问题,已知:
(2)产生中间插入点并计算其函数值
x1a0.38(b2a),f1f(x1) x2a0.61(b8a),f2f(x2) (3)比较函数值 f1和 f 2,确定区间的取舍:
若 f1 f2 ,则新区间 a,ba,x2
令 bx2,x2x 1,f2f1 记 N0 0
若 f1 f2 ,则新区间 a,bx1,b
➢编辑已有的M文件:
从MATLAB命令窗口的Flie菜单中选择
Open M-file命令。
21
函数文件
函数文件是另一种形式的M文件,每一个函数文 件都定义一个函数。Matlab提供的标准函数大部分 是由函数文件定义的。
函数文件的基本结构 函数文件由function语句引导,其基本结构为: function 输出形参表 = 函数名(输入形参表) 注释说明部分 函数体语句 其中,以function开头的一行为引导行,表示该M 文件是一个函数文件。 当输出形参多于一个时,应该用方括号括起来。
>> syms x; >> f=sin(x)+3*x^2; >> g=diff(f,x)
13
符号表达式的替换
用给定的数据替换符号表达式中的指定的符号变量
subs(f,x,a) 用 a 替换字符函数 f 中的字符变量 x a 是可以是 数/数值变量/表达式 或 字符变量/表达式

Fibonacci数列与黄金分割求极小的程序法

Fibonacci数列与黄金分割求极小的程序法

Fibonacci数列与黄金分割求极小的程序法管志忠【摘要】本文通过Fibonacci法和黄金分割法进行一维搜索的模型分析,运用Matlab编写了两种模型的程序.给出的算例表明,根据两种算法模型编写的程序,不受精度限制,且计算准确,省时省力,具有一定的理论及实际应用价值.【期刊名称】《河西学院学报》【年(卷),期】2010(026)005【总页数】4页(P1-4)【关键词】Fibonacci数列;黄金分割法;MATLAB程序【作者】管志忠【作者单位】池州职业技术学院,安徽,池州,247000【正文语种】中文【中图分类】O229在无约束极值问题中常用到搜索方法,而一维搜索是求一元函数的极小点方法,它是多维搜索的基础.具有内在本质联系的Fibonacci法和黄金分割法恰是被人普遍接受的一维搜索法.著名的Fibonacci数列{FK},k=0,1,2,…,是指满足关系的整数序列,也可以写成:其通项公式为:容易证明分数序列是收敛的,且有(黄金分割数).事实上,令,由通项公式得如果考虑要在区间 [a0,b0]上,求一元函数f(x)的最优解.Fibonacci法模型为:设n表示要计算的函数值个数,k=n-1表示迭代次数.在这两点中,以函数值较小者为近似极小点,相应的函数值为近似极小值.而黄金分割法可以看作是Fibonacci法的近似,差别只在于最初两个试验点的选取上,黄金分割法最初两个试验点选在[a0,b0]中的0.382与0.618处,以后每次迭代都是按对称的原则选试验点.两种方法虽被普通接受,但在精度很高的情况下,迭代次数很多,计算量大,容易出错.根据两种算法模型编写的程序就优越多了,不受精度限制,且计算准确,省时省力.运用MATLAB编制Fibonacci数列求极小的程序 (不妨取文件名为:Fibo.m)如下: 运用MATLAB编制黄金分割求极小的程序 (不妨取文件名为:goldmin.m)如下:评价一种方法的好坏,当然不仅仅看运算速度,如果计算的精度不能达到预定的要求,也是要被淘汰的方法.下面通过具体算例的求解,对Fibonacci法、黄金分割法以及用两种方法的程序法进行比较,来判断程序的可行性.例求函数f(x)=x2-x+2在[-1,3]上的近似极小点和极小值,要求缩短后的区间长度不大于区间[-1,3]长度的0.1、0.001、0.00001倍.结果如下表所示:实际上,对于高次方函数,只须修改子程序即可.如求函数f(x)=x4-2x3-5x2+5在[1,3]上的近似极小点和极小值,要求缩短后的区间长度不大于区间[1,3]长度的0.1、0.001、0.00001倍.根据此函数编制子程序 (不妨取名funl.m)如下:在MATLAB 命令窗口中分别输入[x,y]=Fibo('fun1',1 ,3 ,0.1)、[x,y]=Fibo('fun1',1 ,3 ,0.001)、[x,y]=Fibo('fun1',1 ,3 ,0.00001)、[x,y]=goldmin('fun1',1 ,3 ,0.1,500)、[x,y]=goldmin('fun1',1 ,3 ,0.001,500)、[x,y]=goldmin('fun1',1 ,3 ,0.00001,500),结果如下表所示:对于简单的一维问题可能看不出两者之间的差别,但是对于大型高精度多维问题的求解时,往往都会用到一维搜索方法.程序法可以通过控制精度来提高结果的准确性,而且避免了因提高精度而增加了迭代次数所带来的手工计算的繁琐,可以节省很多的计算时间,具有一定的理论及实际应用价值.【相关文献】[1]华东师范大学数学系.数学分析 (第三册)[M].北京:高等教育出版社,2001.[2]刘艳.关于黄金分割法的几点讨论[J].机电技术,2006,1.[3]牛映武.运筹学[M].西安:西安交通大学出版社,2006,5.[4]李南南等.MATLAB7简明教程[M].北京:清华大学出版社,2006,3.。

机械优化设计课程设计

机械优化设计课程设计

目录摘要 (3)关键词 (3)一、概述 (3)二、优化方法介绍 (3)(一)、一维搜索方法 (3)(二)无约束优化方法 (5)1)共轭方向的生成 (6)2)基本算法 (6)3)改进算法的基本步骤如下 (7)三、优化设计实例 (10)1)模型 (10)2)变量 (10)3)优化设计源程序 (10)4)分析结果 (20)四、课程总结 (20)《机械优化设计》课程设计论文摘要:随着社会经济的迅速发展,机械优化设计作为一门为工程设计提供手段的学科,在这样的时代背景下应运而生。

针对具体的课题,通过一些设计变量而建立起目标函数的过程,称为数学建模;应用优化方法为工程设计寻找出最优解是现代优化设计所研究的主要课题与方向。

关键词:机械优化设计;设计变量;目标函数;数学模型;优化方法一、概述优化设计是20世纪60年代初发展起来的一门新学科,它是将最优化原理与计算技术应用于设计领域,为工程设计提供一种重要的科学设计方法的手段。

利用这种新的设计方法,人们就可以从众多的设计方案中寻找出最佳设计方案,从而大大提高设计效率和设计质量。

因此优化设计是现代设计理论和方法的一个重要领域,它已广泛应用于各个工业部门,成为现代工程设计的一个重要手段!二、优化方法介绍(一)、一维搜索方法一维搜索方法可分为两类,一类称为试探法,这类方法是按某种给定的规律来确定区间内插入点的位置,此点位置的确定仅仅按照区间缩短如何加快,而不顾及函数值的分布关系,例如黄金分割法,裴波那契法等。

另一类一维搜索法称作插值法或函数逼近法。

这类方法是根据某些点处的某些信息,如函数值,一阶导数,二阶导数等,构造一个插值函数来逼近原来的函数,用插值函数的极小点作为区间的插入点,这类方法主要有二次插值法,三次插值法等。

在此重点讨论黄金分割法。

黄金分割法适用于[a, b]区间上的任何单谷函数求极小值问题,对函数除要求“单谷”外不作其他要求,甚至可以不连续。

因此,这种方法的适应面相当广。

优化设计-黄金分割(VB程序编写)

优化设计-黄金分割(VB程序编写)

’函数过程的定义 函数过程的定义
Function f(ByVal X As Double) f = X * X - 10 * X + 36 End Function ‘光标的移动 Private Sub Text1_KeyPress(KeyAscii As Integer) If KeyAscii = 13 Then Text2.SetFocus End If End Sub Private Sub Text2_KeyPress(KeyAscii As Integer) If KeyAscii = 13 Then Text5.SetFocus End If End Sub Private Sub Text5_KeyPress(KeyAscii As Integer) If KeyAscii = 13 Then Text6.SetFocus End If End Sub Private Sub Command1_Click() Dim a0 As Double '初始点 Dim a1 As Double Dim a2 As Double Dim a3 As Double Dim h As Double '步长 Dim fa As Double 'f1 Dim fb As Double 'f2 Dim fc As Double 'f3
运行程序
谢谢观赏
a(1)
b,a(1) a(2) f1 f2 b-0.618(b-a) a(1) f (a(1)) f1
a(2)
b-a<=ε? + 输出:0.5(b+a) a* 停

• • • • • • • • • • • • • • • • • • • • • • •

求函数最大值黄金分割法matlab程序

求函数最大值黄金分割法matlab程序

黄金分割法是一种用于求解函数最大值的数值优化算法。

它利用黄金比例的特性,在搜索过程中逐步减小搜索范围,找到函数的最大值。

本文将介绍黄金分割法的原理和实现方法,并给出利用Matlab编写的程序示例。

一、黄金分割法的原理黄金分割法基于黄金比例的性质,即将一段线段分割成两部分,使整段线段与较短部分的比值等于较短部分与较长部分的比值。

利用这一特性,在搜索过程中逐步减小搜索范围,最终找到函数的最大值。

二、黄金分割法的实现1. 确定初始搜索范围:根据实际问题确定函数的定义域,确定搜索范围[a, b]。

2. 计算黄金分割点:根据搜索范围[a, b]计算黄金分割点x1和x2,使得搜索范围按照黄金比例减小。

3. 计算函数值:计算函数在x1和x2处的取值f(x1)和f(x2)。

4. 更新搜索范围:比较f(x1)和f(x2)的大小,确定新的搜索范围[a, b]。

5. 重复步骤2-4,直到满足收敛条件或达到迭代次数上限。

三、Matlab程序示例以下是利用Matlab编写的黄金分割法程序示例:```matlabfunction [x_opt, f_opt] = golden_section_method(f, a, b, tol, max_iter)phi = (1 + sqrt(5)) / 2; 黄金比例x1 = b - (b - a) / phi;x2 = a + (b - a) / phi;f1 = feval(f, x1);f2 = feval(f, x2);iter = 0;while (b - a) > tol iter < max_iterif f1 < f2a = x1;x1 = x2;f1 = f2;x2 = a + (b - a) / phi;f2 = feval(f, x2);elseb = x2;x2 = x1;f2 = f1;x1 = b - (b - a) / phi;f1 = feval(f, x1);enditer = iter + 1;endx_opt = (a + b) / 2;f_opt = feval(f, x_opt);end```四、结语黄金分割法是一种简单而有效的数值优化算法,可以用于求解函数的最大值。

0.618与二分法的学习

0.618与二分法的学习

0.618法的实例研究:一、算法理论黄金分割法是用于一元函数)(x f 在确定的初始区间],[b a 内搜索极小点a '的一种方法。

它是优化计算中的经典算法,以算法简单、效果明显而著称,是许多优化算法的基础。

但它只适用于某个区间上的凸函数。

其基本思想是:依照“去坏留好”原则,对称原则,以及等比收缩原则来逐步缩小搜索范围。

0.618法适用于单峰区间函数,即所在区间],[b a 上。

具体的说,对于单峰函数,只需选择两个试探点,即在区间],[b a 中取点)(382.01a b a x -+=,)(618.02a b a x -+=,且21x x <,就可以将包含极小点*x 的区间缩短。

事实上,必有:若)()(21x f x f >,则],[1*b x x ∈;若)()(21x f x f ≤,则],[2*x a x ∈。

根据单峰函数这个性质,就可以不断迭代缩小包含极小点的区间。

若进行k 次迭代后,有],[*k k b a x ∈,那么我们在区间],[k k b a 取两个试探点)(382.01a b a x -+=,)(618.02a b a x -+=,且21x x <,计算)(),(21x f x f 的值。

如果)()(21x f x f =,令b x a x ==21,,那么计算||b a -,如果ξ≤-||b a (ξ为所给的精度),则*2x b a =+;如果 )()(21x f x f >,令11x a k =+,k k b b =+1;如果)()(21x f x f <,令k k a a =+1,21x b k =+,如此继续。

这样每次可将搜索区间缩小0.328倍或者0.618倍,直至缩为一点。

黄金分割原理如图1所示,其中618.0=K ,区间长度为L 。

该算法为收敛速度很快的一种搜索方法。

图1.二、算法框图三、算法程序用10xf,区间为]8,2[,e取0.01为例x=x-)(2+7用C语言编程程序如下:#include <stdio.h>#include <math.h>#include <stdlib.h>#define f(x) x*x-7*x+10double hj(double *a,double *b,double e,int *n){double x1,x2,s;if(fabs(*b-*a)<=e)s=f((*b+*a)/2);else{x1=*a+0.382*(*b-*a);x2=*a+0.618*(*b-*a);if(f(x1)>f(x2))*a=x1;else*b=x2;*n=*n+1;s=hj(a,b,e,n);}return s;}main(){double s,a,b,e;int n=0;printf("Please input left boundary right boundary precision:\n"); scanf("%lf%lf%lf",&a,&b,&e);//输入区间和精度的值s=hj(&a,&b,e,&n);//调用hj函数,其中n代表迭代次数printf("a=%lf,b=%lf,s=%lf,n=%d\n",a,b,s,n);}四、算法实现方程为10xx=xf,区间是]8,2[,精度是0.01。

黄金分割法 二次插值 牛顿 matlab 程序一维搜索方法比较

黄金分割法 二次插值 牛顿  matlab 程序一维搜索方法比较

一维搜索方法应用比较一、黄金分割法(1)黄金分割法的起源黄金分割在文艺复兴前后,经过阿拉伯人传入欧洲,受到了欧洲人的欢迎,他们称之为"金法",17世纪欧洲的一位数学家,甚至称它为"各种算法中最可宝贵的算法"。

这种算法在印度称之为"三率法"或"三数法则",也就是我们现在常说的比例方法。

其实有关"黄金分割",我国也有记载。

虽然没有古希腊的早,但它是我国古代数学家独立创造的,后来传入了印度。

经考证。

欧洲的比例算法是源于我国而经过印度由阿拉伯传入欧洲的,而不是直接从古希腊传入的。

因为它在造型艺术中具有美学价值,在工艺美术和日用品的长宽设计中,采用这一比值能够引起人们的美感,在实际生活中的应用也非常广泛,建筑物中某些线段的比就科学采用了黄金分割,舞台上的报幕员并不是站在舞台的正中央,而是偏在台上一侧,以站在舞台长度的黄金分割点的位置最美观,声音传播的最好。

就连植物界也有采用黄金分割的地方,如果从一棵嫩枝的顶端向下看,就会看到叶子是按照黄金分割的规律排列着的。

在很多科学实验中,选取方案常用一种0.618法,即优选法,它可以使我们合理地安排较少的试验次数找到合理的西方和合适的工艺条件。

正因为它在建筑、文艺、工农业生产和科学实验中有着广泛而重要的应用,所以人们才珍贵地称它为"黄金分割"。

我国数学家华罗庚曾致力于推广优选法中的"0.618法",把黄金分割应用于生活实际及科学应用中。

黄金分割〔Golden Section〕是一种数学上的比例关系。

黄金分割具有严格的比例性、艺术性、和谐性,蕴藏着丰富的美学价值。

应用时一般取0.618 ,就像圆周率在应用时取3.14一样。

由于公元前6世纪古希腊的毕达哥拉斯学派研究过正五边形和正十边形的作图,因此现代数学家们推断当时毕达哥拉斯学派已经触及甚至掌握了黄金分割。

黄金分割法,进退法,原理及流程图

黄金分割法,进退法,原理及流程图

1黄金分割法的优化问题(1)黄金分割法基本思路:黄金分割法适用于[a,b]区间上的任何单股函数求极小值问题,对函数除要求“单谷”外不做其他要求,甚至可以不连续。

因此,这种方法的适应面非常广。

黄金分割法也是建立在区间消去法原理基础上的试探方法,即在搜索区间[a,b]内适当插入两点a1,a2,并计算其函数值。

a1,a2将区间分成三段,应用函数的单谷性质,通过函数值大小的比较,删去其中一段,是搜索区间得以缩小。

然后再在保留下来的区间上作同样的处理,如此迭代下去,是搜索区间无限缩小,从而得到极小点的数值近似解。

(2)黄金分割法的基本原理一维搜索是解函数极小值的方法之一,其解法思想为沿某一已知方向求目标函数的极小值点。

一维搜索的解法很多,这里主要采用黄金分割法(0.618法)。

该方法用不变的区间缩短率0.618代替斐波那契法每次不同的缩短率,从而可以看成是斐波那契法的近似,实现起来比较容易,也易于人们所接受。

黄金分割法是用于一元函数f(x)在给定初始区间[a,b]内搜索极小点α*的一种方法。

它是优化计算中的经典算法,以算法简单、收敛速度均匀、效果较好而著称,是许多优化算法的基础,但它只适用于一维区间上的凸函数[6],即只在单峰区间内才能进行一维寻优,其收敛效率较低。

其基本原理是:依照“去劣存优”原则、对称原则、以及等比收缩原则来逐步缩小搜索区间[7]。

具体步骤是:在区间[a,b]内取点:a1 ,a2 把[a,b]分为三段。

如果f(a1)>f(a2),令a=a1,a1=a2,a2=a+r*(b-a);如果f(a1)<f(a2) ,令b=a2,a2=a1,a1=b-r*(b-a),如果|(b-a)/b|和|(y1-y2)/y2|都大于收敛精度ε重新开始。

因为[a,b]为单峰区间,这样每次可将搜索区间缩小0.618倍或0.382倍,处理后的区间都将包含极小点的区间缩小,然后在保留下来的区间上作同样的处理,如此迭代下去,将使搜索区[a,b]逐步缩小,直到满足预先给定的精度时,即获得一维优化问题的近似最优解。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

一维搜索
一维优化一般分为两大步骤:
(1)确定初始搜索区间[a,b],该区间应是包括一维函数极小点在内的单峰区间;
(2)在搜索区间[a,b]内寻找极小点。

搜索区间的确定—进退法
基本思路是:由单峰函数性质可知,在极小点a*左边函数值应严格下降,而在极小点右边函数值应严格上升。

因此,可从某一个给定的初始点a0出发,以初始步长h0沿着目标函数值的下降方向,逐步前进或后退,直到找到相继的3个试点的函数值按“大---小----大”变化为止。

一:确定搜索区间的外推法
•首先确定函数的单谷性
•然后从起点开始以初始步长向前试探,如果函数值变大,则改变步长方向。

•如果函数值下降,则维持原来的试探方向,并将步长加倍。

搜索区间的确定流程图
确定搜索区间的程序代码
void findqujian(float a[3],float f[3]) {
float t=steplength, a1,f1,ia;
a[0]=0;
f[0]=fc(a[0]);
for(int i=0;;i++)
{
a[1]=a[0]+t;f[1]=fc(a[1]); if(f[1]<f[0]) break;
if(fabs(f[1]-f[0])>=e)
{t=-t;a[0]=a[1];f[0]=f[1];}
else{ if(ia==1)return;
t=t/2;ia=1;}
}
for(i=0;;i++)
{a[2]=a[1]+t;f[2]=fc(a[2]);
if(f[2]>f[1]) break;
t=2*t;
a[0]=a[1]; f[0]=f[1];
a[1]=a[2]; f[1]=f[2];
}
if(a[0]>a[2])
{a1=a[0];f1=f[0];
a[0]=a[2];f[0]=f[2];
a[2]=a1; f[2]=f1;
}
return;
}
一、黄金分割法
黄金分割法是通过不断缩短搜索区间的长度来寻求一维函数的极小点,这种方法的基本原理是:在搜索区间[a,b]内按如下规则对称地取两点a1和a2
a1=a+0.382(b-a); a2=a+0.618(b-a);
黄金分割法的搜索过程是:
1)给出初始搜索区间[a,b] 及收敛精度e ,将赋以0.618 2)计算a1 和a2,并计算起对应的函数值f(a1),f(a2); ,3)根据期间消去法原理缩短搜索区间,为了能用原来的坐标点计算公式,需进行区间名城的代换,并在保留区间中计算一个新的试验点及其函数值。

4)检查区间是否缩短到足够小和函数值收敛到足够近,如果条件
不满足则返回到步骤2。

5)如果条件满足,则取最后两试验点的平均值作为极小点的数值近似解。

黄金分割法的流程图及程序清单
需要说明的是搜索区间[a,b]不需要给定,只需输入搜索精度e;
程序由四个子程序构成;
(1):输入输出子程序io();
(2):float fc (float x)求输入函数在某一点的值;
(3)void findqujian(float a[3],float f[3])确定搜索区间;
(4):float xunyou(float *value)寻找最小值
黄金分割法程序运行截图
#include "iostream.h"
#include "math.h"
#include "stdio.h"
#include "conio.h"
#define steplength 0.01
#define n 5
float e;float a,b,c,d,g; float q[5];
void io()
{
cout<<"假设多项式的最高次幂为4"<<endl<<endl;
cout<<"设多项式的一般形式为f=a*x^4+b*x^3+c*x^2+d*x+e"<<endl<<endl;
cout<<"请输入要求解的目标多项式的系数"<<endl<<endl;
printf("a=");
scanf("%f",&a);q[4]=a;
printf("b=");
scanf("%f",&b);q[3]=b;
printf("c=");
scanf("%f",&c);q[2]=c;
printf("d=");
scanf("%f",&d);q[1]=d;
printf("g=");scanf("%f",&g);q[0]=g;
cout<<endl;
cout<<"请输入搜索精度e"<<endl<<endl;
scanf("%f",&e);
cout<<endl;
}
float fc(float x)
{int i;
float u=q[n-1];
for(i=n-2;i>=0;i--)
u=u*x+q[i];
return u;
}
void findqujian(float a[3],float f[3]) {
float t=float(steplength), a1,f1,ia; a[0]=0;
f[0]=fc(a[0]);
for(int i=0;;i++)
{
a[1]=a[0]+t;f[1]=fc(a[1]);
if(f[1]<f[0]) break;
if(fabs(f[1]-f[0])>=e)
{t=-t;a[0]=a[1];f[0]=f[1];}
else{ if(ia==1)return;
t=t/2;ia=1;}
}
for(i=0;;i++)
{a[2]=a[1]+t;f[2]=fc(a[2]);
if(f[2]>f[1]) break;
t=2*t;
a[0]=a[1]; f[0]=f[1];
a[1]=a[2]; f[1]=f[2];
}
if(a[0]>a[2])
{a1=a[0];f1=f[0];
a[0]=a[2];f[0]=f[2];
a[2]=a1; f[2]=f1;
}
return;
}
float xunyou(float *value)
{float a1[3],f1[3],a[4],f[4];
float aa;
findqujian(a1,f1);
a[0]=a1[0];f[0]=f1[0];
a[3]=a1[2];f[3]=f1[2];
a[1]=a[0]+float(0.382)*(a[3]-a[0]);a[2]=a[0]+float(0.618)*(a[3]-a[0]); f[1]=fc(a[1]);f[2]=fc(a[2]);
for(int i=0;;i++)
{if(f[1]>=f[2])
{a[0]=a[1];f[0]=f[1];
a[1]=a[2];f[1]=f[2];
a[2]=a[0]+float(0.618)*(a[3]-a[0]);f[2]=fc(a[2]);
}
else
{a[3]=a[2];f[3]=f[2];
a[2]=a[1];f[2]=f[1];
a[1]=a[0]+float(0.382)*(a[3]-a[0]);f[1]=fc(a[1]);
}
if(fabs(a[3]-a[0])<e)
{aa=(a[1]+a[2])/2; *value=fc(aa);
break;}
}return(aa);
}
void main()
{float xx,value;
io();
xx=xunyou(&value);
printf("f(x)=%2.1f*x^4+%2.1f*x^3+%2.1f*x^2+%2.1f*x+%2.1f",a,b,c,d
,g);
cout<<"取得最小值的坐标为"<<endl<<endl; printf("\nzuobiao*=%f\n\n",xx);
cout<<"函数的最小值是"<<endl;
printf("\nminmum*=%f\n",value);
getch();
}。

相关文档
最新文档