二维数组用vector容器,实现Strassen算法,效率很低!help。。
/*
本文件定义了CMatrix类,使用STL模板容器 vector 来存储矩阵,可以实现任意 n 的Strassen算法矩阵相乘
当 n 为奇数时,调用普通矩阵算法。
example:
CMatrix A(8),B(*),C(8);
A.Trun_Random();
B.Trun_Random();
C = A*B;
cout<<C;
*/
#ifndef matrix_h_
#define matrix_h_
#include<vector>
#include<iostream>
#include <time.h>
using namespace std;
class CMatrix{
//运算符重载
friend ostream& operator << (ostream &out,CMatrix& M);
friend CMatrix& operator + (CMatrix& M1,CMatrix& M2);
friend CMatrix& operator - (CMatrix& M1,CMatrix& M2);
friend CMatrix& operator * (CMatrix& M1,CMatrix& M2); //Strassen算法矩阵相乘
public:
int N;
vector< vector<int> > A; //二维
public:
CMatrix(int n); //构造,生成n阶二维数组,元素值都为1
CMatrix(int n,int a); //构造,生成n阶二维数组,元素值都为a;
~CMatrix(){ };
CMatrix(CMatrix& M2);
CMatrix& operator = (CMatrix& M2); //重载“=”
void Trun_Random(); //使数组的元素全部变成随机数,0~9
void Union(CMatrix& A11,CMatrix& A12,CMatrix& A21,CMatrix& A22);//联合4个小二维数组
CMatrix& normalMutil(CMatrix& M2); //普通矩阵乘法
};
#endif相关推荐
A股分钟数据涵盖个股、ETF、可转债及指数,提供日内高频行情 字段包含代码、名称、交易时间、开盘价、最高价、最低价、收盘价、成交量与成交额 数据按分钟粒度记录,可反映盘中价格变动与成交活跃度 ETF分
A股分钟数据涵盖个股、ETF、可转债及指数,提供日内高频行情。字段包含代码、名称、交易时间、开盘价、最高价、最低价、收盘价、成交量与成交额。数据按分钟粒度记录,可反映盘中价格变动与成交活跃度。ETF分钟数据覆盖主流交易型基金,可转债分钟数据包含转股溢价等特性指标,指数分钟数据涵盖宽基与行业指数点位及涨跌幅。所有数据均为复权前原始行情。 数据源:CMES金融数据库
技术转移平台怎么选?2026年权威测评:6家主流服务商横向对比.docx
技术转移平台怎么选?2026年权威测评:6家主流服务商横向对比
科技成果转化平台选型指南:2026年6大服务商技术经纪人团队能力对比.docx
科技成果转化平台选型指南:2026年6大服务商技术经纪人团队能力对比
双机并联逆变器自适应虚拟阻抗下垂控制(Droop)策略Simulink仿真模型
内容概要:本文围绕双机并联逆变器的自适应虚拟阻抗下垂控制(Droop)策略,构建了完整的Simulink仿真模型,旨在解决微电网中因线路阻抗差异导致的并联逆变器功率分配不均问题。通过引入自适应虚拟阻抗环节,动态调节逆变器输出阻抗,使其趋近于理想纯感性状态,从而有效提升有功与无功功率的分配精度。文章系统阐述了下垂控制的基本原理、虚拟阻抗的数学建模及其自适应调节机制,并提供了详细的系统控制框图与仿真参数设置。通过在不同负载条件和线路参数下的仿真实验,充分验证了该策略在提高功率均分精度、增强系统稳定性与鲁棒性方面的有效性。; 适合人群:具备电力电子、电力系统基础知识,从事微电网、分布式发电、逆变器控制等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习和掌握并联逆变器下垂控制的基本原理与实现方法;② 理解虚拟阻抗技术在功率精确分配中的作用;③ 掌握自适应控制策略的设计与Simulink仿真建模技巧,用于科研项目开发或工程方案验证。; 阅读建议:此资源以Simulink仿真为核心,建议读者在阅读时结合仿真模型文件,逐步理解各模块的功能与信号流向。应重点关注自适应虚拟阻抗环节的实现逻辑,并尝试修改线路参数或负载条件,观察仿真结果的变化,以加深对控制策略动态性能的理解。
Copula基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)
【Copula】基于二元Frank-Copula函数的风光出力场景生成方法【考虑风光出力的不确定性和相关性】(Matlab代码实现)内容概要:本文系统研究了常见的十大ADC滤波算法,旨在为信号采集与处理领域提供有效的数据滤波解决方案。文章详细介绍了限幅滤波、中位值滤波、算术平均滤波、递推平均滤波、限幅平均滤波、一阶滞后滤波、加权递推平均滤波、消抖滤波、卡尔曼滤波和复合滤波等多种算法的原理、实现方法及适用场景,重点分析了每种算法的优缺点、抗干扰能力及对不同噪声类型的适应性,并通过实例说明其在实际工程中的应用方式。; 适合人群:具备一定电子、自动化或计算机相关基础知识,从事嵌入式开发、传感器信号处理、工业控制或数据采集系统研发的工程师及科研人员。; 使用场景及目标:①在ADC采样过程中有效抑制脉冲干扰、随机噪声和周期性干扰;②提升数据采集系统的稳定性和精度;③根据不同应用场景选择最合适的滤波算法以优化系统性能; 阅读建议:在学习过程中应结合文中提供的算法逻辑与实际代码实现进行仿真验证,针对不同噪声环境动手实践各类滤波方法,深入理解其响应特性与参数调优策略,从而掌握在复杂工况下合理选用和改进滤波算法的能力。


