经济金融优化:最优消费与投资分配的MATLAB实战
内容摘要
本文聚焦经济金融领域的优化问题,详细介绍最优消费和最优投资分配的理论与实践。
关键词:最优消费;最优投资分配;效用最大化;投资收益;MATLAB
一、引言
在经济金融领域,个体和企业常常面临各种优化决策问题。其中,最优消费问题关乎消费者如何在有限预算下实现消费效用最大化;最优投资分配问题则聚焦于投资者在多个投资项目中如何合理分配资金以获取最大收益。
二、最优消费问题
(一)理论基础
经济学家在研究消费者行为时发现,消费者总是追求个人消费效用最大化,而这一过程受到消费品价格和收入的约束。在现代消费者理论中,效用函数主要有两类:一类是以消费束 X X X为自变量的“直接效用函数” U ( X ) U(X) U(X),其核心思想是,只要消费者购买各种商品的数量确定,无论其他经济变量如何变化,消费者的偏好或效用大小就唯一确定;另一类是以商品价格向量 P P P和消费者预算约束 m m m为自变量的“间接效用函数” V ( P , m ) V(P, m) V(P,m),它建立在直接效用函数的基础上,是消费者在 P X = m PX = m PX=m的约束下,最大化直接效用函数 U ( X ) U(X) U(X)所得到的值。
考虑个人的本期和来期的两期消费问题。设本期消费为 C 1 C_1 C1,来期消费为 C 2 C_2 C2,直接消费效用函数为 E = C 1 C 2 E = C_1C_2 E=C1C2。若本期收入为 M 1 M_1 M1,来期为 M 2 M_2 M2,利率为 r r r,且在两期消费中可以自由借贷。设消费者在本期的借贷或储蓄为 s s s,则约束条件为:
{ C 1 + s = M 1 s ( 1 + r ) + M 2 = C 2 \begin{cases}C_1 + s = M_1\\s(1 + r) + M_2 = C_2\end{cases} {C1+s=M1s(1+r)+M2=C2
将第二个式子中的 s s s用 M 1 − C 1 M_1 - C_1 M1−C1替换,可得目标函数为:
max E = C 1 C 2 = C 1 [ M 2 + ( M 1 − C 1 ) ( 1 + r ) ] \max E = C_1C_2 = C_1[M_2 + (M_1 - C_1)(1 + r)] maxE=C1C2=C1[M2+(M1−C1)(1+r)]
(二)实例分析
假设某人本期收入为 2000 2000 2000,来期收入预计为 5000 5000 5000,存款利率为 12 % 12\% 12%。为使消费效用最大,构建优化模型为:
max E ( C 1 ) = C 1 [ 5000 + ( 2000 − C 1 ) × 1.12 ] \max E(C_1) = C_1[5000 + (2000 - C_1)×1.12] maxE(C1)=C1[5000+(2000−C1)×1.12]
由于目标函数为最大值形式,为便于求解,先将其转换为最小值形式。在MATLAB中利用无约束算法中的抛物线法求解,具体代码如下:
syms t;
f = -t*(5000 + 1.12*(2000 - t));
[xm,fval] = minPWX(f,2000,5000)
运行结果为:
xm = 3.2321e+003
fval = -1.1700e+007
结果表明,当第一期消费额为 3232.1 3232.1 3232.1时,第二期消费额为 5000 + ( 2000 − 3232.1 ) × 1.12 = 3620 5000 + (2000 - 3232.1)×1.12 = 3620 5000+(2000−3232.1)×1.12=3620,此时消费效用最大。注意到第一期消费额超过了本期收入,说明在第一期需要借贷。
三、最优投资分配问题
(一)理论基础
在投资期内,投资者往往面临多个投资项目的选择,且每个项目的投资规划和收益率各不相同。在资金有限的情况下,为获取最大投资收益,需要对各个项目的投资额进行优化分配。
(二)实例分析
设有4个投资机会:
- 项目A:从第一年到第四年每年年初需要投资,并于次年末回收本利 115 % 115\% 115%;
- 项目B:从第三年年初开始投资,到第五年年末回收本利 125 % 125\% 125%,但规定最大投资不超过 4 4 4万元;
- 项目C:第二年年初需要投资,到第五年末才能回收本利 140 % 140\% 140%,但规定最大投资不超过 3 3 3万元;
- 项目D:五年内每年初可买公债,于当年末归还,并加利息 6 % 6\% 6%。
现有一公司有资金 20 20 20万元,要确定这些项目每年的投资额,使第五年末获得的本利总额最大。根据各项目的投资要求,列出每年年初可投资项目及对应的投资额变量如下表:
年份 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
A | x 1 x_1 x1 | x 3 x_3 x3 | x 6 x_6 x6 | ||
B | x 7 x_7 x7 | ||||
C | x 4 x_4 x4 | ||||
D | x 2 x_2 x2 | x 5 x_5 x5 | x 8 x_8 x8 |
由于每年年初都将手头资金全部投出去,所以第一年应将 20 20 20万元资金全部投给A、D两个项目,即 x 1 + x 2 = 200000 x_1 + x_2 = 200000 x1+x2=200000。
第一年年底回收各项投资的本利即为第二年年初手头拥有的投资总额,将其全部投入第二年可以投资的三个项目,即 x 3 + x 4 + x 5 = 1.06 x 2 x_3 + x_4 + x_5 = 1.06x_2 x3+x4+x5=1.06x2。
以此类推,可得:
( x 6 + x 7 + x 8 = 1.15 x 1 + 1.06 x 5 x_6 + x_7 + x_8 = 1.15x_1 + 1.06x_5 x6+x7+x8=1.15x1+1.06x5)
( x 9 + x 10 = 1.15 x 3 + 1.06 x 8 x_9 + x_{10} = 1.15x_3 + 1.06x_8 x9+x10=1.15x3+1.06x8)
( x 11 = 1.15 x 6 + 1.06 x 10 x_{11} = 1.15x_6 + 1.06x_{10} x11=1.15x6+1.06x10)
目标函数为第五年年末拥有的资金总额,即 C = 1.15 x 9 + 1.4 x 4 + 1.25 x 7 + 1.06 x 11 C = 1.15x_9 + 1.4x_4 + 1.25x_7 + 1.06x_{11} C=1.15x9+1.4x4+1.25x7+1.06x11。
因此,此投资问题的优化模型为:
max C = 1.15 x 9 + 1.4 x 4 + 1.25 x 7 + 1.06 x 11 \max C = 1.15x_9 + 1.4x_4 + 1.25x_7 + 1.06x_{11} maxC=1.15x9+1.4x4+1.25x7+1.06x11
s.t. { x 1 + x 2 = 200000 x 3 + x 4 + x 5 = 1.06 x 2 x 6 + x 7 + x 8 = 1.15 x 1 + 1.06 x 5 x 9 + x 10 = 1.15 x 3 + 1.06 x 8 x 11 = 1.15 x 6 + 1.06 x 10 x 4 ≤ 40000 , x 7 ≤ 30000 x i ≥ 0 , i = 1 , 2 , ⋯ , 11 \text{s.t.} \begin{cases}x_1 + x_2 = 200000\\x_3 + x_4 + x_5 = 1.06x_2\\x_6 + x_7 + x_8 = 1.15x_1 + 1.06x_5\\x_9 + x_{10} = 1.15x_3 + 1.06x_8\\x_{11} = 1.15x_6 + 1.06x_{10}\\x_4 \leq 40000, x_7 \leq 30000\\x_i \geq 0, i = 1,2,\cdots,11\end{cases} s.t.⎩ ⎨ ⎧x1+x2=200000x3+x4+x5=1.06x2x6+x7+x8=1.15x1+1.06x5x9+x10=1.15x3+1.06x8x11=1.15x6+1.06x10x4≤40000,x7≤30000xi≥0,i=1,2,⋯,11
由于目标函数为最大值形式,将其转换为最小值形式,然后用MATLAB的linprog
函数求解,具体代码如下:
f = [0;0;0;-1.4;0;0;-1.25;0;-1.15;0;-1.06];
Aeq = [1 1 zeros(1,9);0 -1.06 1 1 1 zeros(1,6);-1.15 0 0 0 -1.06 1 1 1 0 0 0;0 0 -1.15 0 0 0 0 -1.06 1 1 0;zeros(1,5) -1.15 zeros(1,3) -1.06 1];
beq = [200000;zeros(4,1)];
lb = zeros(1,11);
ub = [inf*ones(1,3) 40000 inf inf 30000 inf*ones(1,4)];
[x,fval,exitflag,output] = linprog(f,[],[],Aeq,beq,lb,ub)
运行结果为:
x = 1.0e+005 *1.10320.89680.55060.40000.00000.58180.30000.38691.04330.00000.6691
fval = -2.8440e+005
根据计算结果,得到最优投资方案如下:
年份 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
A | 110320 | 55060 | 58180 | 104330 | |
B | 30000 | ||||
C | 40000 | ||||
D | 89680 | 0 | 38690 | 0 | 66910 |
四、总结
本文深入探讨了经济金融领域中的最优消费和最优投资分配问题。通过建立相应的数学模型,并利用MATLAB工具进行求解,为解决实际经济金融决策问题提供了有效的方法。
相关文章:
经济金融优化:最优消费与投资分配的MATLAB实战
内容摘要 本文聚焦经济金融领域的优化问题,详细介绍最优消费和最优投资分配的理论与实践。 关键词:最优消费;最优投资分配;效用最大化;投资收益;MATLAB 一、引言 在经济金融领域,个体和企业常…...
【Python语言基础】17、继承
文章目录 1. 继承1.1 为什么要用继承1.2 继承的基本语法1.3 方法重写1.4 多重继承 2. supper()2.1 作用2.2 基本语法2.3 注意事项2.4 super() 在多继承中的特点 1. 继承 在 Python 里,继承是一种强大的编程概念,它允许一个类(子类࿰…...
基于CNN-GRU的深度Q网络(Deep Q-Network,DQN)求解移动机器人路径规划,MATLAB代码
一、深度Q网络(Deep Q-Network,DQN)介绍 1、背景与动机 深度Q网络(DQN)是深度强化学习领域的里程碑算法,由DeepMind于2013年提出。它首次在 Atari 2600 游戏上实现了超越人类的表现,解决了传统…...
DAY06:【pytorch】图像增强
1、基本概念 数据增强,又称数据增广、数据扩增,是对训练集进行变换,使训练集更丰富,从而让模型更具泛化能力 2、裁剪 — — Crop 2.1 transforms.CenterCrop 功能:从图像中心裁剪图片 size:所需裁剪图…...
K_KMS工具(适用windows和office)
目录 前言 一、下载 二、运行 前言 KMS工具(适用windows和office)。 一、下载 访问下载 💾下载👉工具下载地址:https://pan.quark.cn/s/bfdaa27ea823 二、运行 1、在下载目录中找到压缩包,并解压。 …...
Python Cookbook-5.12 检查序列的成员
任务 你需要对一个列表执行很频繁的成员资格检査。而in操作符的 O(n)时间复杂度对性能的影响很大,你也不能将序列转化为一个字典或者集合,因为你还需要保留原序列的元素顺序。 解决方案 假设需要给列表添加一个在该列表中不存在的元素。一个可行的方法…...
移动端六大语言速记:第13部分 - 网络与通信
移动端六大语言速记:第13部分 - 网络与通信 本文将对比Java、Kotlin、Flutter(Dart)、Python、ArkTS和Swift这六种移动端开发语言在网络与通信方面的特性,帮助开发者理解和掌握各语言的网络编程能力。 13. 网络与通信 13.1 HTTP请求 各语言HTTP请求实…...
kafka生产者partition数量和消费者数量的关系
在 Kafka 中,生产者的分区(Partition)数量和消费者数量之间存在着密切的关系,这种关系对 Kafka 集群的性能、数据处理的并行性以及负载均衡等方面都有着重要影响,以下为你详细介绍: 核心原则 Kafka 中每个…...
数据库主从复制学习笔记
目录 一、Binlog(Binary Log) 核心特性 核心用途 Binlog 格式(3种类型) 二、主从复制 核心原理 主库(Master) 从库(Slave) 配置步骤(以 MySQL 为例) …...
使用xml模板导出excel
下面这种表格如何使用xml导出呢? xml代码 <?xml version"1.0" encoding"UTF-8"?> <tables><styles><style id"h1" font.fontheightinpoints"14" font.fontname"黑体" alignment"c…...
深入解析栈式虚拟机与反向波兰表示法
1.1 什么是虚拟机? 虚拟机(Virtual Machine, VM)是一种软件实现的计算机系统,提供与物理计算机相类似的环境,但在软件层面运行。虚拟机的存在简化了跨平台兼容性、资源管理以及安全隔离等问题。 1.2 栈式虚拟机的架构…...
软件验收测试方法有哪些?验收测试报告如何获取?
大数据互联网时代,各种软件产品为我们的生活和工作带来了极大的便利,企业为了更好的保障软件产品质量,软件测试工作不可或缺。软件验收测试作为软件测试过程中的最后一个测试工作,也被称之为交付测试。验收测试主要是测试软件系统…...
Flexoo 柔性薄膜加热片技术全解析:从原理到应用优势
FLEXOO柔性薄膜加热片通过创新技术实现高效加热。它的柔性设计能够适配不同形状的表面,满足多种设备的需求。PTC加热技术让加热片具备自我调节功能,自动调整热输出以提升安全性与能效。固定功率加热技术则确保热量稳定输出,适合需要持续加热的场景。你可以依赖它的节能环保特…...
DeepSeek与搜索引擎:AI生成内容如何突破“语义天花板”
一、搜索引擎的“内容饥饿症”与AI的“产能悖论” 2024年,全球每天新增470万篇网络文章,但搜索引擎的索引拒绝率高达68%。这一矛盾的根源在于:算法对“高质量原创”的定义已从“形式独特性”转向“认知增值性”。传统AI生成内容(…...
【1】k8s集群管理系列--包应用管理器之helm
一、helm概述 Helm核心是模板,即模板化K8s YAML文件。 通过模板实现Chart高效复用,当部署多个应用时,可以将差异化的字段进行模板化,在部署时使用-f或 者–set动态覆盖默认值,从而适配多个应用 helm工作流程…...
【零基础玩转多模态AI:Gemma3 27B开源视觉模型本地部署与远程访问】
💝💝💝欢迎来到我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:kwan 的首页,持续学…...
安全岗の夺命连环问:(第壹篇)从XSS到0day的灵魂拷问
终极目录 一、面试官の死亡凝视:"给我手撕一个反射型XSS!" 1.1 菜鸟の陨落:那些年我们写过的致命代码 1.2 渗透艺术:如何用XSS实现CSRF联动攻击 1.3 防御矩阵:OWASP ESAPI的十八层净化 二、血泪实战&am…...
IAP Firmware Upload Tools.exe IAP 网络固件升级教程
IAP是In Application Programming的简写,IAP升级可以被视为固件升级的一种形式,它是一种在应用程序运行过程中对固件进行更新的技术手段。允许MCU在运行过程中对MCU User Flash的部分区域进行烧写,目的是为了代替编程器对MCU烧录的依赖。 主程序UI 软件按钮说明&a…...
Redis 7高性能缓存与分布式架构实战
大家好,我是袁庭新。很高兴向大家推荐我的新课《Redis 7高性能缓存与分布式架构实战》。这套课程是我与两位一线大厂的高级开发工程师朋友共同研发的,他们分别来自华为和美团,拥有丰富的实战经验。我将担任课程的主讲,为大家带来全…...
自动驾驶时间同步
主要包含两个大的概念:时间系统间的时间同步与传感器数据间的时间同步 1. 时间系统间的时间同步 概念: 自动驾驶域控一般由多个芯片与多种类型的传感器组成,如:MCU SoC Camera Lidar Radar USS GNSS,其中 MCU…...
CISA关键措施要求解析:提升组织网络安全的实用指南
1. 引言 在当今日益复杂的网络安全环境中,组织面临着前所未有的挑战。美国网络安全与基础设施安全局(CISA)提出的关键措施要求,为组织提供了一个全面的框架来加强其网络安全态势。本文将深入探讨这些措施,并提供实际的实施建议。 2. CISA关键措施概述 CISA关键措施包括以下几…...
java笔记03
基本数据类型 数据值是存储在自己的空间中。 特点:赋值给其他变量,也是赋的真实的值。 引用数据类型 数据值是存储在其他空间中,自己空间中存储的是地址值。 特点:赋值给其他变量,赋的地址值。 综合练习 使用 ctrl…...
【HarmonyOS 5】鸿蒙的装饰器原理和自定义装饰器
【HarmonyOS 5】鸿蒙的装饰器原理和自定义装饰器 一、鸿蒙中的装饰器是什么? 在ArkTS中装饰器(Decorator)是一种特殊的声明,能够对类、方法、属性等进行标注和修改。 因为ArkTS 是TypeScript 扩展而来的编程语言,Ty…...
【Java学习】AI时代下如何学习Java语言开发
学习 Java 语言开发时,合理借助 AI 工具可以提升效率、深化理解,以下是具体的学习策略和方法: 一、利用 AI 辅助基础学习 1. 智能文档解读与语法解析 工具:ChatGPT、Bing Chat、Google Bard用法: 直接提问基础语法问…...
dd命令刻录CENT OS10 (.iso)光盘镜像文件到U盘
操作系统 | “扇区”、“簇”、“块”、“页”等概念_文件系统的簇和扇区-CSDN博客 Windows下面的DD工具_windows dd工具-CSDN博客 如何用 ISO 镜像制作 U 盘安装盘(通用方法、无需 WinPE)_isou-CSDN博客 1 到CENT OS 网站download iso光盘镜像文件 ht…...
2025年常见渗透测试面试题- Java考察(题目+回答)
网络安全领域各种资源,学习文档,以及工具分享、前沿信息分享、POC、EXP分享。不定期分享各种好玩的项目及好用的工具,欢迎关注。 目录 Java考察 一、Java MVC架构与数据流向 二、Java沙箱安全机制 三、iBATIS参数化查询与注入防御 四、…...
MySQL:事务的理解
一、CURD不加控制,会有什么问题 (1)因为,MySQL里面存的是数据,所以很有可能会被多个客户访问,所以mysqld可能一次会接受到多个关于CURD的请求。(2)且mysql内部是采用多线程来完成数…...
开源推荐#5:CloudFlare-ImgBed — 基于 CloudFlare Pages 的开源免费文件托管解决方案
大家好,我是 jonssonyan。 寻找一个稳定、快速、还最好是免费或成本极低的图床服务,一直是许多开发者、博主和内容创作者的痛点。公共图床可能说关就关,付费服务又增加成本。现在,一个名为 CloudFlare-ImgBed 的开源项目…...
[设计模式]发布订阅者模式解耦业务和UI(以Axios拦截器处理响应状态为例)
当前的代码使用了多个if-else分支来处理不同的状态码,这会导致代码耦合度高,难以维护和扩展。比如,如果未来要新增一个状态码的处理,就需要修改原有的拦截器代码,这违反了开闭原则。发布订阅模式可以将不同状态码的处理逻辑解耦,每个状态码对应一个订阅者,通过中间件来管…...
Redis的过期和内存淘汰策略
文章目录 惰性删除定期删除内存满了,数据淘汰策略 Redis 提供了两种删除策略: 惰性删除 、定期删除 惰性删除 定期删除 两种清除模式: 内存满了,数据淘汰策略 Redis 提供了八种数据淘汰策略: 1. 默认是不淘汰任何的 key&#x…...
每日一题-力扣-2999. 统计强大整数的数目 0410
2999. 统计强大整数的数目 问题分析 题目描述 题目要求统计区间 [start, finish] 内的强大整数数量。强大整数需满足以下条件: 每位数字不超过 limit以字符串 s 作为后缀关键要点理解 强大整数的定义:整数的每一位都不超过 limit,且必须以字符串 s 结尾。区间计数:需要统…...
Flink回撤流详解 代码实例
一、概念介绍 1. 回撤流的定义 在 Flink 中,回撤流主要出现在使用 Table API 或 SQL 进行聚合或更新操作时。对于那些结果并非单纯追加(append-only)的查询,Flink 会采用“回撤流”模式来表达更新。 回撤流的数据格式ÿ…...
学习笔记四——Rust 函数通俗入门
🦀 Rust 函数通俗入门 📘 Rust 是一门语法精炼但设计严谨的系统级语言。本文围绕函数这一主线,带你真正搞懂 Rust 最关键的语法思想,包括表达式驱动、闭包捕获、Trait 限制、生命周期标注与所有权规则,每遇到一个新概念…...
使用 Spring Boot 和 Uniapp 搭建 NFC 读取系统
目录 一、NFC 技术原理大揭秘1.1 NFC 简介1.2 NFC 工作原理1.3 NFC 应用场景 二、Spring Boot 开发环境搭建2.1 创建 Spring Boot 项目2.2 项目基本配置 三、Spring Boot 读取 NFC 数据3.1 NFC 设备连接与初始化3.2 数据读取逻辑实现3.3 数据处理与存储 四、Uniapp 前端界面开发…...
五、中断系统及外部中断
中断系统是管理和执行中断的逻辑结构;外部中断是众多能产生中断的外设之一; 一、中断系统 1.中断的概念 在主程序运行过程中,出现了特定的中断触发条件(中断源),使得CPU暂停当前正在运行的程序ÿ…...
动态类生成 / 加载机制(更新)
前言 一般的编译是编译器编译.java文件 生成.class文件 然后JVM加载并运行.class字节码文件 反射的前提是内存中已经有了Class<T>对象 或者 通过Class.forName等方法去加载静态的.class文件 最终还是需要Class对象 那么动态生成Class对象的几种技术 JDK代理 CGL…...
(十三)安卓开发中的输入框、复选框、单选框和开关等表单控件详解
下面介绍一下 Android 开发中常用的表单控件,包括输入框、复选框、单选框和开关,从 XML 布局设计到代码控制,以及如何在实际场景中使用它们,并通过示例代码加以说明。 1. 输入框(EditText) 作用与场景 作…...
基于Kubeadm实现K8S集群扩缩容指南
一、集群缩容操作流程 1.1 缩容核心步骤 驱逐节点上的Pod 执行kubectl drain命令驱逐节点上的Pod,并忽略DaemonSet管理的Pod: kubectl drain <节点名> --ignore-daemonsets # 示例:驱逐worker233节点 kubectl drain worker233 --ignor…...
基于flask+vue框架的助贫公益募捐管理系统1i6pi(程序+源码+数据库+调试部署+开发环境)带论文文档1万字以上,文末可获取,系统界面在最后面。
系统程序文件列表 项目功能:用户,求助信息,商品信息,商品类型,捐款信息 开题报告内容 基于FlaskVue框架的助贫公益募捐管理系统开题报告 一、选题背景与意义 (一)选题背景 在当今社会,贫困问题依然是全球面临的重大挑战之一&…...
【软考-高级】【信息系统项目管理师】【论文基础】进度管理过程输入输出及工具技术的使用方法
定义 项目进度管理是为了保证项目按时完成,对项目中所需的各个过程进行管理的过程,包括规划进度、定义活动、活动优先级排序、活动持续时间、制定进度计划和控制进度。 管理基础 制定进度计划的一般步骤 选择进度计划方法(如关键路径法&a…...
【学生管理系统升级版】
学生管理系统升级版 需求分析:注册功能:登录功能:验证码规则:忘记密码: 实操:系统主页面注册功能登录功能忘记密码效果演示 需求 为学生管理系统书写一个登陆、注册、忘记密码的功能。 只有用户登录成功之后&…...
ue插件开发遇到引入dll库与引擎内部冲突或其他插件引入的冲突
插件开发遇到引入dll库与引擎内部冲突或其他插件引入的冲突(相同或版本不一致) 开开心心引入libcurl库,编写了一些插件功能目的调用给蓝图使用,结果与引擎的http模块冲突,他也是libcurl 一、dll在编辑器环境下运行正…...
Redis缓存穿透、击穿与雪崩的核心原理与Java实战解决方案
在高并发系统中,Redis作为核心缓存组件,其稳定性直接决定了系统的性能与可靠性。本文将围绕缓存穿透、缓存击穿、缓存雪崩三大经典问题,从概念解析到Java实现,提供完整的解决方案与代码示例。 一、缓存穿透:恶意请求的…...
【面试】什么是回流和重绘
面试被问到什么是回流和重绘,毫无印象,下来以后查了一下,原来是浏览器渲染机制的概念。 回流:元素的大小或几何图形变动,浏览器需要重新计算、布局和绘制整个页面或其中一部分。 重绘:元素的样式变动但不影…...
HAL TIM PWM产生 蓝桥杯
目录 0.原理 0.1 CNT和CCR关系 0.2 PWM模式1模式2 1. cubemx配置 需求(将PA1输出1Khz的 50%占空比的方波) 1.0 PWM的频率计算: 2.代码 0.原理 0.1 CNT和CCR关系 CNT计数器和CCR比较器进行比较,如果是向上计数,CNT逐渐增加,CCR是虚线位置,也是用户自定义的…...
Elasticsearch 系列专题 - 第五篇:集群与性能优化
随着数据量和访问量的增长,单节点 Elasticsearch 已无法满足需求。本篇将介绍集群架构、性能优化方法以及常见故障排查,帮助你应对生产环境中的挑战。 1. 集群架构 1.1 节点角色(Master、Data、Ingest 等) Elasticsearch 集群由多个节点组成,每个节点可扮演不同角色: M…...
GPT:Transformer的专精产品
目录 1. 前言 2. GPT与Transformer的对比 2.1 Transformer架构 2.2 GPT架构 2.3 主要区别 3. GPT模型架构详解与代码实例 3.1 嵌入层 3.2 多头注意力机制 3.3 完整的GPT模型 4. 总结 1. 前言 GPT(Generative Pre-trained Transformer)是一种…...
算法——分治
学习目标: 掌握算法入门知识 学习内容: 分治的定义例题详细步骤讲解(查找最大和次大元素) 1. 分治的定义 对于一个大规模的问题,将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同&a…...
论坛系统(测试报告)
文章目录 一、项目介绍二、设计测试用例三、自动化测试用例的部分展示用户名或密码错误登录成功编辑自己的帖子成功修改个人信息成功回复帖子信息成功 四、性能测试总结 一、项目介绍 本平台是用Java开发,基于SpringBoot、SpringMVC、MyBatis框架搭建的小型论坛系统…...
UE5 添加随机弹道
我们一直都是直接拿玩家摄像头的正前方当作子弹发射方向,这样弹道将是固定的直线 现在我们需要添加一些随机的偏移,注意这不是让枪口上跳的后坐力,只是弹道的偏移 需要注意的是,这里的弧长并不真正的圆的弧长,因为显然…...