运行MATLAB算法程序时报错SVD 的输入不能包含 NaN 或 Inf，求大神指导

matlab中变量未定义：

在命令窗口中输入的时候要调用函数qpsk_evm(s)，其中输入前，首先定义一下s，如：赋值s=1：10，这样再调用qpsk_evm(s)，就不会出现如此问题了！

就是如果给一个变量赋值，而且是在if语句内，也就是说，要满足一个条件才能改这一变量赋值，而如果运行时输入的数据不满足，那么这个变量就没有被赋值，也就是未定义

搜索

matlab中多重判断

如何自学matlab编程

怎么自学matlab编程

matlab编程入门教程

二元二次方程解题步骤

c语言编程口诀大全

function [ROUTES,PL,Tau]=ACASP(G,Tau,K,M,S,E,Alpha,Beta,Rho,Q)

%% ---------------------------------------------------------------

% ACASPm

% 蚁群算法动态寻路算法

% ChengAihua,PLA Information Engineering University,ZhengZhou,China

% Email:aihuacheng@gmailcom

% All rights reserved

%% ---------------------------------------------------------------

% 输入参数列表

% G 地形图为01矩阵，如果为1表示障碍物

% Tau 初始信息素矩阵（认为前面的觅食活动中有残留的信息素）

% K 迭代次数（指蚂蚁出动多少波）

% M 蚂蚁个数（每一波蚂蚁有多少个）

% S 起始点（最短路径的起始点）

% E 终止点（最短路径的目的点）

% Alpha 表征信息素重要程度的参数

% Beta 表征启发式因子重要程度的参数

% Rho 信息素蒸发系数

% Q 信息素增加强度系数

%

% 输出参数列表

% ROUTES 每一代的每一只蚂蚁的爬行路线

% PL 每一代的每一只蚂蚁的爬行路线长度

% Tau 输出动态修正过的信息素

%% --------------------变量初始化----------------------------------

%load

D=G2D(G);

N=size(D,1);%N表示问题的规模（象素个数）

MM=size(G,1);

a=1;%小方格象素的边长

Ex=a(mod(E,MM)-05);%终止点横坐标

if Ex==-05

Ex=MM-05;

end

Ey=a(MM+05-ceil(E/MM));%终止点纵坐标

Eta=zeros(1,N);%启发式信息，取为至目标点的直线距离的倒数

%下面构造启发式信息矩阵

for i=1:N

if ix==-05

ix=MM-05;

end

iy=a(MM+05-ceil(i/MM));

if i~=E

Eta(1,i)=1/((ix-Ex)^2+(iy-Ey)^2)^05;

else

Eta(1,i)=100;

end

end

ROUTES=cell(K,M);%用细胞结构存储每一代的每一只蚂蚁的爬行路线

PL=zeros(K,M);%用矩阵存储每一代的每一只蚂蚁的爬行路线长度

%% -----------启动K轮蚂蚁觅食活动，每轮派出M只蚂蚁--------------------

for k=1:K

disp(k);

for m=1:M

%% 第一步：状态初始化

W=S;%当前节点初始化为起始点

Path=S;%爬行路线初始化

PLkm=0;%爬行路线长度初始化

TABUkm=ones(1,N);%禁忌表初始化

TABUkm(S)=0;%已经在初始点了，因此要排除

DD=D;%邻接矩阵初始化

%% 第二步：下一步可以前往的节点

DW=DD(W,:);

DW1=find(DW

for j=1:length(DW1)

if TABUkm(DW1(j))==0

DW(j)=inf;

end

end

LJD=find(DW

Len_LJD=length(LJD);%可选节点的个数

%% 觅食停止条件：蚂蚁未遇到食物或者陷入死胡同

while W~=E&&Len_LJD>=1

%% 第三步：转轮赌法选择下一步怎么走

PP=zeros(1,Len_LJD);

for i=1:Len_LJD

PP(i)=(Tau(W,LJD(i))^Alpha)(Eta(LJD(i))^Beta);

end

PP=PP/(sum(PP));%建立概率分布

Pcum=cumsum(PP);

Select=find(Pcum>=rand);

%% 第四步：状态更新和记录

Path=[Path,to_visit];%路径增加

PLkm=PLkm+DD(W,to_visit);%路径长度增加

W=to_visit;%蚂蚁移到下一个节点

for kk=1:N

if TABUkm(kk)==0

DD(W,kk)=inf;

DD(kk,W)=inf;

end

end

TABUkm(W)=0;%已访问过的节点从禁忌表中删除

for j=1:length(DW1)

if TABUkm(DW1(j))==0

DW(j)=inf;

end

end

LJD=find(DW

Len_LJD=length(LJD);%可选节点的个数

end

%% 第五步：记下每一代每一只蚂蚁的觅食路线和路线长度

ROUTES{k,m}=Path;

if Path(end)==E

PL(k,m)=PLkm;

else

PL(k,m)=inf;

end

end

%% 第六步：更新信息素

Delta_Tau=zeros(N,N);%更新量初始化

for m=1:M

if PL(k,m) ROUT=ROUTES{k,m};

TS=length(ROUT)-1;%跳数

PL_km=PL(k,m);

for s=1:TS

x=ROUT(s);

Delta_Tau(x,y)=Delta_Tau(x,y)+Q/PL_km;

Delta_Tau(y,x)=Delta_Tau(y,x)+Q/PL_km;

end

end

end

Tau=(1-Rho)Tau+Delta_Tau;%信息素挥发一部分，新增加一部分

end

%% ---------------------------绘图--------------------------------

plotif=1;%是否绘图的控制参数

if plotif==1

%绘收敛曲线

meanPL=zeros(1,K);

minPL=zeros(1,K);

for i=1:K

PLK=PL(i,:);

Nonzero=find(PLK

PLKPLK=PLK(Nonzero);

meanPL(i)=mean(PLKPLK);

minPL(i)=min(PLKPLK);

end

figure(1)

plot(minPL);

hold on

plot(meanPL);

grid on

title('收敛曲线（平均路径长度和最小路径长度）');

xlabel('迭代次数');

ylabel('路径长度');

%绘爬行图

figure(2)

axis([0,MM,0,MM])

for i=1:MM

for j=1:MM

if G(i,j)==1

x1=j-1;y1=MM-i;

x2=j;y2=MM-i;

x3=j;y3=MM-i+1;

x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[02,02,02]);

hold on

else

x1=j-1;y1=MM-i;

x2=j;y2=MM-i;

x3=j;y3=MM-i+1;

x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);

hold on

end

end

end

hold on

ROUT=ROUTES{K,M};

LENROUT=length(ROUT);

Rx=ROUT;

Ry=ROUT;

for ii=1:LENROUT

Rx(ii)=a(mod(ROUT(ii),MM)-05);

if Rx(ii)==-05

Rx(ii)=MM-05;

end

Ry(ii)=a(MM+05-ceil(ROUT(ii)/MM));

end

plot(Rx,Ry)

end

plotif2=1;%绘各代蚂蚁爬行图

if plotif2==1

figure(3)

axis([0,MM,0,MM])

for i=1:MM

for j=1:MM

if G(i,j)==1

x1=j-1;y1=MM-i;

x2=j;y2=MM-i;

x3=j;y3=MM-i+1;

x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[02,02,02]);

hold on

else

x1=j-1;y1=MM-i;

x2=j;y2=MM-i;

x3=j;y3=MM-i+1;

x4=j-1;y4=MM-i+1;

fill([x1,x2,x3,x4],[y1,y2,y3,y4],[1,1,1]);

hold on

end

end

end

for k=1:K

PLK=PL(k,:);

minPLK=min(PLK);

pos=find(PLK==minPLK);

m=pos(1);

ROUT=ROUTES{k,m};

LENROUT=length(ROUT);

Rx=ROUT;

Ry=ROUT;

for ii=1:LENROUT

Rx(ii)=a(mod(ROUT(ii),MM)-05);

if Rx(ii)==-05

Rx(ii)=MM-05;

end

Ry(ii)=a(MM+05-ceil(ROUT(ii)/MM));

end

plot(Rx,Ry)

hold on

end

end

将上述算法应用于机器人路径规划，优化效果如下图所示

你好

像这样的求最小值，可以用很多算法，可以用命令窗口编程，或者利用优化工具箱。对于初学者，可以利用optimization toolbox里面算法，只要自己写一个目标函数就可以了。

一般的有约束多变量函数都可以通过fmincon函数求解得到，但是如果初始值选取不恰当也可以可以陷入局部最优。全局最优搜索能力比较强的可能属智能算法了，如遗传算法等等下面我采用fmincon函数尝试求解：

目标函数写好好，保存为funmintm文件，函数如下;

function Z=funmint(x)

x1=x(1);

x2=x(2);

x3=x(3);

x4=x(4);

S1=x(5);

S2=x(6);

eg=6411-0043-049x2-006x3-0075x4-3258e-4x1x2+9712e-5x1x3

    +2781e-4x1x4-4738e-5x2x3-1212e-3x2+6053e-4x3x4+

    7775e-4x1^2+1125e-3x2^2-8665e-4x3^2+589e-3x4^2;

sd=-602953+003583x1+0067595x2-290115e-3x3-0053463x4-17325e-4x1x2+

    11525e-4x1x3-74375e-5x1x4-63375e-5x2x3+403125e-4x2x4-

    316562e-4x3x4+3625e-6x1^2-107375e-4x2^2-268437e-5x3^2-327344e-4x4^2;

Z=sd+1e7abs(-eg+00518sd+S1)+1e7abs(01-eg-00518sd+S2);

在命令窗口中输入下面这些求解代码：

clear 

lb=[60 235 40 21 0 0];

ub=[80 255 80 29 Inf Inf];

x0=[70 245 60 25 10 10];

options=optimset('Algorithm','active-set');

[x,fval]= fmincon(@funmint,x0,[],[],[],[],lb,ub,[],options)

可以得到一个最小值，以及对应的6个变量如下：

x=[629860  2449435   745278   213001    18670    20691]

最小值为：

fval=34326

当然你也可以换用其他函数，只要把fmincon换了就可以。优化函数结构都差不多。

希望对你有帮助！

以上就是关于运行MATLAB算法程序时报错SVD 的输入不能包含 NaN 或 Inf，求大神指导全部的内容，包括:运行MATLAB算法程序时报错SVD 的输入不能包含 NaN 或 Inf，求大神指导、MATLAB中RX算法的程序~急用、求助matlab编程！！！算法寻优等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！