简介薛定宇《高等应用数学问题的MATLAB求解第4版》配套代码包服务对象是需要借助MATLAB求解数值计算、微分方程、最优化与符号计算等高等数学问题的高校学生和科研人员。压缩包共1237个文件以1181个M脚本为主体另有模型、图形、数据、说明文档等脚本用于复现书中算法Simulink模型用于仿真数据供算例调用PDF辅助阅读整体大小仅1.54MB下载即可按章节查找。目前已有2590人下载学习。代码覆盖从基础语法、矩阵运算、函数脚本编写到线性代数、数值积分、插值拟合、微积分、常微分方程、偏微分方程数值解、随机模拟、傅里叶变换、优化与符号计算以及数据导入导出、信号处理等应用配套文件可直接运行并复现书中的图表结果也方便修改参数做对比实验适合课堂同步练习、期末复习和科研建模参考。 最早把《高等应用数学问题的MATLAB求解》当工具书翻是在读研做数值仿真那阵子。后来才意识到真正值钱的不仅是书里的推导过程还有随书配套的这套MATLAB代码——它把数学表达式、算法逻辑、数值求解和可视化验证完整串了起来是“把数学题变成能跑的代码”的最好示范。如果你也经常对着教材公式发懵不知道在MATLAB里该怎么写或者遇到一个想解的数学问题却无从下手这本书的代码就是最靠谱的参考模板。它不挑专业机械、电气、控制、通信、土木、金融建模都用得上只要你会基本的MATLAB操作就能从里面抄到大量可直接改用的代码。1. 这本书和配套代码到底解决了什么问题1.1 不教语法教“数学翻译成代码”的完整套路市面上MATLAB教材多到泛滥但大部分只讲到语法和函数用法比如for循环怎么写、plot怎么画图、矩阵怎么运算。真到了要解决一个具体的数学问题时很多人还是卡住公式能看懂但不知道从哪行代码开始写。薛定宇这本书的思路完全不同它带着读者做“数学问题→算法方案→MATLAB实现→结果验证”的完整闭环配套代码就是这个闭环的具体答案。比如求一个带参数函数的极值、解一个含边界条件的常微分方程、做一次傅里叶变换书里不是只丢一句fminsearch或dsolve就完了而是把符号推导、数值求解、误差分析、图形验证全流程展示出来。看代码时你会明显感觉到作者写每一段都有明确目的不是在凑功能而是在刻意演示“这个数学问题可以这样一步步算出来”。这种整体性的示范比单独背几百个函数名有用得多。1.2 适合哪些人学习以及怎么用收益最大我个人的判断是这套代码最适合三类人。第一类是研究生和科研人员做课题时经常需要快速验证数学模型书里的微分方程、优化、概率统计、神经网络章节简直是现成的“解题模板库”。第二类是工程技术人员做控制、通信、信号处理或者结构分析很多实际问题本质上就是数学问题把代码的参数一换就能当工具用。第三类是准备数学建模竞赛的学生这本书几乎覆盖了竞赛会用到的数值计算、数据拟合、优化决策等核心方法而且代码写法非常规范拿来改一改就能参赛。不建议做的事是把这本书当小说从头到尾刷一遍代码。高效率的做法是先明确自己眼下要解决什么问题去对应章节找代码把代码跑通再对照正文理解每一步为什么这么写最后改参数、改边界条件变成自己的东西。带着问题去读代码效果比漫无目的看十倍都好。2. 代码库长什么样章节分布与设计思路2.1 章节体系对应的代码模块这套代码按书的章节组织覆盖范围很广。最基础的部分包括MATLAB语言基础和相关操作接着是数据可视化、高等数学问题求解极限、导数、积分、级数再往后的线性代数与矩阵分析、积分变换与复变函数、微分方程求解然后是优化方法、概率论与数理统计最后还有模糊数学、神经网络、小波分析等内容。也就是说从基础语法到前沿算法代码库里都有对应的完整例程。实际使用中微分方程和优化这两部分的代码利用率最高因为工程问题最后几乎都会落到“求解微分方程”或“优化一个目标函数”上。可视化的代码也值得反复看因为它展示了怎么把数值结果变成直观的曲线和曲面这对写论文、做汇报非常重要。2.2 从“示例脚本”到“可复用函数”的设计细节细看代码会发现一个明显特点作者不是把所有代码一股脑写在脚本里而是大量使用自定义函数把常用的数学操作封装成独立的function。这样的好处非常直接——示例代码不只是演示它本身就是半成品工具你可以直接复制某个函数文件到自己的项目里调一下参数就能用。另一个设计细节是强调“符号计算与数值计算配合”。很多算例先用syms定义符号变量算出解析表达式再用数值方法验证或进一步求解。这种双轨并行的写法既能让读者看清楚数学结构又能解决符号运算算不出来的实际问题。第四版还加入了实时脚本mlx格式的演示运行起来是一行一行交互式的显示很适合边看边改参数直观感受结果变化。3. 实操从零跑通书中的典型算例3.1 环境准备与路径配置先做环境准备。建议使用R2018a之后的MATLAB版本因为新版对符号工具箱、实时脚本的支持更稳定。安装时尤其要确认已经勾选了Symbolic Math Toolbox、Optimization Toolbox这些常用工具箱很多代码报错不是因为写错了而是因为没装对应工具箱。代码解压后最忌讳的就是直接双击脚本运行然后报错。正确做法是把整个代码文件夹放到一个固定目录然后在MATLAB里用addpath把路径加进来这样所有自定义函数才能被找到% 建议在MATLAB当前目录切换后执行 cd(你的代码所在目录); addpath(genpath(pwd)); % 把当前目录及所有子目录加入搜索路径 savepath; % 保存路径设置下次启动不用重新配路径配置好后随便挑一个章节脚本运行如果Workspace正常出现变量、图形窗口正常弹出曲线就说明环境OK了。3.2 复现一个微分方程求解算例我挑一个最常见的例子来说明实操流程。求一个二阶常微分方程的解析解和数值解并对比结果。先用符号方法处理syms y(t) Dy diff(y, t); eqn diff(y, t, 2) 4*y sin(2*t); % y 4y sin(2t) cond1 y(0) 0; % 初始条件 cond2 Dy(0) 1; ySol(t) dsolve(eqn, [cond1 cond2]); ySol simplify(ySol);运行后ySol就是解析表达式。但很多实际问题上限复杂符号方法解不出来这时就用数值方法ode45把二阶方程改写成状态空间形式odefun (t, y) [y(2); -4*y(1) sin(2*t)]; [t, y] ode45(odefun, [0, 10], [0, 1]); % 初始状态[0;1] plot(t, y(:,1), b-, LineWidth, 1.5);对比符号解和数值解在若干点上的取值就能验证数值结果是否可靠。这个过程看起来简单但它是书中所有代码的核心模式符号求精确解、数值求近似解、图形做对比验证。跑通一个例子后建议立刻做一件事——把方程系数、初值条件改掉再跑一遍体会参数变化对结果的影响。4. 核心代码功能的三种打开方式4.1 符号计算让数学公式“可直接运行”符号计算是这本书代码里出镜率最高的功能它解决的问题是“把推导交给计算机”。比如求极限、求导数、求积分、解方程只要一个问题能写出数学表达式就能用syms定义变量然后调用limit、diff、int、solve这些函数。做符号计算时要注意一个关键点syms定义完变量后后续所有操作都在“符号世界”里进行得到的也是严格的解析表达式。这跟数值计算的“一个数算到底”完全不同。书中很多代码先用符号推导出公式再通过subs代入具体数值或者用matlabFunction把符号表达式转成数值函数这种衔接技巧非常实用syms x f exp(-x^2) * sin(x); df diff(f, x); % 求导 f_num matlabFunction(df); % 转成数值函数 result f_num(0.5); % 代入 x 0.5 求值4.2 数值计算复杂问题交给ode45和优化器符号计算不是万能的很多方程没有解析解这时代码库会切换成数值计算。最常见的两个入口是微分方程的ode45和最优化工具箱。ode45适合求解标准形式的常微分方程初值问题实现方式是把高阶方程降阶成状态空间然后直接调用求解器上面微分方程算例演示的就是这个套路。优化问题也是书里代码的重点。无论是无约束极值还是有约束规划都有一套完整的代码写法fun (x) (x(1)-1)^2 (x(2)-2)^2; % 目标函数 x0 [0; 0]; % 初始点 [x_opt, fval] fminsearch(fun, x0); % 无约束最优化这段代码虽然简单却反映了数值方法的核心逻辑给一个目标函数给一个初始点让算法自动迭代寻找最优解。真实项目里只需要把fun换成自己的模型函数把变量维度扩一扩就是一套能用的优化模板。4.3 可视化把抽象结果变成可解释的图形书中代码对可视化非常重视几乎所有算例最后都会用plot、surf、contour把结果画出来。可视化的作用不只是好看更重要的价值是帮助判断结果是否合理——一个振荡系统的数值解如果画出来是直线那大概率是哪一步写错了。比如解完微分方程后把位移曲线、速度曲线放在同一张图上观察相位关系做优化时把目标函数的等高线和最优点画在一张图里直观看到算法找的位置对不对。这套“算完必须画图”的编码习惯非常值得学习。我在实际项目里也继承了这种风格先出图再谈数值。5. 常见问题与排查技巧实录5.1 高频报错与解决方案速查表我自己在跑书中代码以及帮别人调代码的过程中总结了几个高频问题基本都能对上号。现象原因解决方案提示“未定义函数或变量”自定义函数路径没添加或文件名与函数名不一致执行addpath(genpath(代码目录))检查文件名是否和主函数名完全相同符号方程求不出解析解表达式太复杂不存在闭式解改用数值方法ode45、vpasolve等不强行依赖dsolve运行.mlx实时脚本报版本错误MATLAB版本过低不支持新格式升级到R2018a以上或找到对应的.m格式脚本运行图形中文显示为方框系统字体不支持中文在Figure属性中设置中文字体或把图例文字改成英文计算耗时过长或内存不足符号表达式过于复杂循环次数过多改用matlabFunction转数值计算对循环做向量化处理工具箱相关函数报错对应工具箱未安装在“附加功能”里检查并安装所需工具箱最常用的是Symbolic Math Toolbox和Optimization Toolbox5.2 调代码的独家心得遇到代码跑不通最忌一上来就各种猜测。正确流程应该是先看错误信息定位到具体行号再用编辑器断点或disp打印中间变量最后才考虑是不是某个函数用法错了。很多时候问题出在变量类型不匹配比如符号对象和一个数值直接做比较报错信息会提示得比较明显这时候用double()或eval()转一下就能解决。还有一个非常重要的习惯做数值计算前先用符号方法或者解析解做一个基准验证确认算法本身正确再拿去处理复杂问题。书中很多代码就体现了这种“先验算、后大规模计算”的思路。我遇到数值结果不合理时也一定会回到书上找对应的标准算例用标准算例的输出和自己的结果对比差别大说明代码里某个环节写错了差别小才敢继续往下走。6. 把这本书变成自己的“代码弹药库”6.1 我实际改编过哪些代码说几个我亲测改过的场景。做控制系统仿真时我把书里微分方程求解的代码改成了自己系统的状态方程只换了状态矩阵和输入函数就快速得到了响应曲线省了大量从头写的时间。做论文数据拟合时我把概率统计章节的回归代码拿来把数据源换掉几分钟就输出了拟合参数和残差图。还有一次处理化工过程的数据直接用优化章节的fminsearch模板重新定义目标函数就完成了参数估计。这说明一个事实书里的代码不与某个具体问题强绑定它的价值在于提供“标准的、正确的工作流”。你不需要理解每一行底层是怎么实现的但需要知道在什么场景该去哪个章节找什么代码。用得多了你会形成一种条件反射——看到数学问题脑海里自动蹦出对应的函数名和代码骨架。6.2 学习顺序与扩展建议如果你打算系统学这本书我个人建议的顺序是先过一遍MATLAB语言基础和可视化代码确保自己能看懂变量、循环、函数的写法然后重点攻克微分方程和最优化两个大模块这两块是工程应用最密集的地方再按自己的领域需求泛读其他章节的代码比如信号处理的人重点看积分变换做数据的人重点关注概率统计和神经网络。最后想分享一个经验刚拿到代码时别只做“运行成功”就满足了一定要动手改。改一个参数、换一个函数、增加一条约束这些折腾过程才是真正的学习。代码这东西看十遍不如跑一遍跑十遍不如犯一次错。等你把书里的例程改成自己的工具箱就会发现原来那些“高端数学问题”也不是那么高不可攀。本文还有配套的精品资源点击获取
简介薛定宇《高等应用数学问题的MATLAB求解第4版》配套代码包服务对象是需要借助MATLAB求解数值计算、微分方程、最优化与符号计算等高等数学问题的高校学生和科研人员。压缩包共1237个文件以1181个M脚本为主体另有模型、图形、数据、说明文档等脚本用于复现书中算法Simulink模型用于仿真数据供算例调用PDF辅助阅读整体大小仅1.54MB下载即可按章节查找。目前已有2590人下载学习。代码覆盖从基础语法、矩阵运算、函数脚本编写到线性代数、数值积分、插值拟合、微积分、常微分方程、偏微分方程数值解、随机模拟、傅里叶变换、优化与符号计算以及数据导入导出、信号处理等应用配套文件可直接运行并复现书中的图表结果也方便修改参数做对比实验适合课堂同步练习、期末复习和科研建模参考。 最早把《高等应用数学问题的MATLAB求解》当工具书翻是在读研做数值仿真那阵子。后来才意识到真正值钱的不仅是书里的推导过程还有随书配套的这套MATLAB代码——它把数学表达式、算法逻辑、数值求解和可视化验证完整串了起来是“把数学题变成能跑的代码”的最好示范。如果你也经常对着教材公式发懵不知道在MATLAB里该怎么写或者遇到一个想解的数学问题却无从下手这本书的代码就是最靠谱的参考模板。它不挑专业机械、电气、控制、通信、土木、金融建模都用得上只要你会基本的MATLAB操作就能从里面抄到大量可直接改用的代码。1. 这本书和配套代码到底解决了什么问题1.1 不教语法教“数学翻译成代码”的完整套路市面上MATLAB教材多到泛滥但大部分只讲到语法和函数用法比如for循环怎么写、plot怎么画图、矩阵怎么运算。真到了要解决一个具体的数学问题时很多人还是卡住公式能看懂但不知道从哪行代码开始写。薛定宇这本书的思路完全不同它带着读者做“数学问题→算法方案→MATLAB实现→结果验证”的完整闭环配套代码就是这个闭环的具体答案。比如求一个带参数函数的极值、解一个含边界条件的常微分方程、做一次傅里叶变换书里不是只丢一句fminsearch或dsolve就完了而是把符号推导、数值求解、误差分析、图形验证全流程展示出来。看代码时你会明显感觉到作者写每一段都有明确目的不是在凑功能而是在刻意演示“这个数学问题可以这样一步步算出来”。这种整体性的示范比单独背几百个函数名有用得多。1.2 适合哪些人学习以及怎么用收益最大我个人的判断是这套代码最适合三类人。第一类是研究生和科研人员做课题时经常需要快速验证数学模型书里的微分方程、优化、概率统计、神经网络章节简直是现成的“解题模板库”。第二类是工程技术人员做控制、通信、信号处理或者结构分析很多实际问题本质上就是数学问题把代码的参数一换就能当工具用。第三类是准备数学建模竞赛的学生这本书几乎覆盖了竞赛会用到的数值计算、数据拟合、优化决策等核心方法而且代码写法非常规范拿来改一改就能参赛。不建议做的事是把这本书当小说从头到尾刷一遍代码。高效率的做法是先明确自己眼下要解决什么问题去对应章节找代码把代码跑通再对照正文理解每一步为什么这么写最后改参数、改边界条件变成自己的东西。带着问题去读代码效果比漫无目的看十倍都好。2. 代码库长什么样章节分布与设计思路2.1 章节体系对应的代码模块这套代码按书的章节组织覆盖范围很广。最基础的部分包括MATLAB语言基础和相关操作接着是数据可视化、高等数学问题求解极限、导数、积分、级数再往后的线性代数与矩阵分析、积分变换与复变函数、微分方程求解然后是优化方法、概率论与数理统计最后还有模糊数学、神经网络、小波分析等内容。也就是说从基础语法到前沿算法代码库里都有对应的完整例程。实际使用中微分方程和优化这两部分的代码利用率最高因为工程问题最后几乎都会落到“求解微分方程”或“优化一个目标函数”上。可视化的代码也值得反复看因为它展示了怎么把数值结果变成直观的曲线和曲面这对写论文、做汇报非常重要。2.2 从“示例脚本”到“可复用函数”的设计细节细看代码会发现一个明显特点作者不是把所有代码一股脑写在脚本里而是大量使用自定义函数把常用的数学操作封装成独立的function。这样的好处非常直接——示例代码不只是演示它本身就是半成品工具你可以直接复制某个函数文件到自己的项目里调一下参数就能用。另一个设计细节是强调“符号计算与数值计算配合”。很多算例先用syms定义符号变量算出解析表达式再用数值方法验证或进一步求解。这种双轨并行的写法既能让读者看清楚数学结构又能解决符号运算算不出来的实际问题。第四版还加入了实时脚本mlx格式的演示运行起来是一行一行交互式的显示很适合边看边改参数直观感受结果变化。3. 实操从零跑通书中的典型算例3.1 环境准备与路径配置先做环境准备。建议使用R2018a之后的MATLAB版本因为新版对符号工具箱、实时脚本的支持更稳定。安装时尤其要确认已经勾选了Symbolic Math Toolbox、Optimization Toolbox这些常用工具箱很多代码报错不是因为写错了而是因为没装对应工具箱。代码解压后最忌讳的就是直接双击脚本运行然后报错。正确做法是把整个代码文件夹放到一个固定目录然后在MATLAB里用addpath把路径加进来这样所有自定义函数才能被找到% 建议在MATLAB当前目录切换后执行 cd(你的代码所在目录); addpath(genpath(pwd)); % 把当前目录及所有子目录加入搜索路径 savepath; % 保存路径设置下次启动不用重新配路径配置好后随便挑一个章节脚本运行如果Workspace正常出现变量、图形窗口正常弹出曲线就说明环境OK了。3.2 复现一个微分方程求解算例我挑一个最常见的例子来说明实操流程。求一个二阶常微分方程的解析解和数值解并对比结果。先用符号方法处理syms y(t) Dy diff(y, t); eqn diff(y, t, 2) 4*y sin(2*t); % y 4y sin(2t) cond1 y(0) 0; % 初始条件 cond2 Dy(0) 1; ySol(t) dsolve(eqn, [cond1 cond2]); ySol simplify(ySol);运行后ySol就是解析表达式。但很多实际问题上限复杂符号方法解不出来这时就用数值方法ode45把二阶方程改写成状态空间形式odefun (t, y) [y(2); -4*y(1) sin(2*t)]; [t, y] ode45(odefun, [0, 10], [0, 1]); % 初始状态[0;1] plot(t, y(:,1), b-, LineWidth, 1.5);对比符号解和数值解在若干点上的取值就能验证数值结果是否可靠。这个过程看起来简单但它是书中所有代码的核心模式符号求精确解、数值求近似解、图形做对比验证。跑通一个例子后建议立刻做一件事——把方程系数、初值条件改掉再跑一遍体会参数变化对结果的影响。4. 核心代码功能的三种打开方式4.1 符号计算让数学公式“可直接运行”符号计算是这本书代码里出镜率最高的功能它解决的问题是“把推导交给计算机”。比如求极限、求导数、求积分、解方程只要一个问题能写出数学表达式就能用syms定义变量然后调用limit、diff、int、solve这些函数。做符号计算时要注意一个关键点syms定义完变量后后续所有操作都在“符号世界”里进行得到的也是严格的解析表达式。这跟数值计算的“一个数算到底”完全不同。书中很多代码先用符号推导出公式再通过subs代入具体数值或者用matlabFunction把符号表达式转成数值函数这种衔接技巧非常实用syms x f exp(-x^2) * sin(x); df diff(f, x); % 求导 f_num matlabFunction(df); % 转成数值函数 result f_num(0.5); % 代入 x 0.5 求值4.2 数值计算复杂问题交给ode45和优化器符号计算不是万能的很多方程没有解析解这时代码库会切换成数值计算。最常见的两个入口是微分方程的ode45和最优化工具箱。ode45适合求解标准形式的常微分方程初值问题实现方式是把高阶方程降阶成状态空间然后直接调用求解器上面微分方程算例演示的就是这个套路。优化问题也是书里代码的重点。无论是无约束极值还是有约束规划都有一套完整的代码写法fun (x) (x(1)-1)^2 (x(2)-2)^2; % 目标函数 x0 [0; 0]; % 初始点 [x_opt, fval] fminsearch(fun, x0); % 无约束最优化这段代码虽然简单却反映了数值方法的核心逻辑给一个目标函数给一个初始点让算法自动迭代寻找最优解。真实项目里只需要把fun换成自己的模型函数把变量维度扩一扩就是一套能用的优化模板。4.3 可视化把抽象结果变成可解释的图形书中代码对可视化非常重视几乎所有算例最后都会用plot、surf、contour把结果画出来。可视化的作用不只是好看更重要的价值是帮助判断结果是否合理——一个振荡系统的数值解如果画出来是直线那大概率是哪一步写错了。比如解完微分方程后把位移曲线、速度曲线放在同一张图上观察相位关系做优化时把目标函数的等高线和最优点画在一张图里直观看到算法找的位置对不对。这套“算完必须画图”的编码习惯非常值得学习。我在实际项目里也继承了这种风格先出图再谈数值。5. 常见问题与排查技巧实录5.1 高频报错与解决方案速查表我自己在跑书中代码以及帮别人调代码的过程中总结了几个高频问题基本都能对上号。现象原因解决方案提示“未定义函数或变量”自定义函数路径没添加或文件名与函数名不一致执行addpath(genpath(代码目录))检查文件名是否和主函数名完全相同符号方程求不出解析解表达式太复杂不存在闭式解改用数值方法ode45、vpasolve等不强行依赖dsolve运行.mlx实时脚本报版本错误MATLAB版本过低不支持新格式升级到R2018a以上或找到对应的.m格式脚本运行图形中文显示为方框系统字体不支持中文在Figure属性中设置中文字体或把图例文字改成英文计算耗时过长或内存不足符号表达式过于复杂循环次数过多改用matlabFunction转数值计算对循环做向量化处理工具箱相关函数报错对应工具箱未安装在“附加功能”里检查并安装所需工具箱最常用的是Symbolic Math Toolbox和Optimization Toolbox5.2 调代码的独家心得遇到代码跑不通最忌一上来就各种猜测。正确流程应该是先看错误信息定位到具体行号再用编辑器断点或disp打印中间变量最后才考虑是不是某个函数用法错了。很多时候问题出在变量类型不匹配比如符号对象和一个数值直接做比较报错信息会提示得比较明显这时候用double()或eval()转一下就能解决。还有一个非常重要的习惯做数值计算前先用符号方法或者解析解做一个基准验证确认算法本身正确再拿去处理复杂问题。书中很多代码就体现了这种“先验算、后大规模计算”的思路。我遇到数值结果不合理时也一定会回到书上找对应的标准算例用标准算例的输出和自己的结果对比差别大说明代码里某个环节写错了差别小才敢继续往下走。6. 把这本书变成自己的“代码弹药库”6.1 我实际改编过哪些代码说几个我亲测改过的场景。做控制系统仿真时我把书里微分方程求解的代码改成了自己系统的状态方程只换了状态矩阵和输入函数就快速得到了响应曲线省了大量从头写的时间。做论文数据拟合时我把概率统计章节的回归代码拿来把数据源换掉几分钟就输出了拟合参数和残差图。还有一次处理化工过程的数据直接用优化章节的fminsearch模板重新定义目标函数就完成了参数估计。这说明一个事实书里的代码不与某个具体问题强绑定它的价值在于提供“标准的、正确的工作流”。你不需要理解每一行底层是怎么实现的但需要知道在什么场景该去哪个章节找什么代码。用得多了你会形成一种条件反射——看到数学问题脑海里自动蹦出对应的函数名和代码骨架。6.2 学习顺序与扩展建议如果你打算系统学这本书我个人建议的顺序是先过一遍MATLAB语言基础和可视化代码确保自己能看懂变量、循环、函数的写法然后重点攻克微分方程和最优化两个大模块这两块是工程应用最密集的地方再按自己的领域需求泛读其他章节的代码比如信号处理的人重点看积分变换做数据的人重点关注概率统计和神经网络。最后想分享一个经验刚拿到代码时别只做“运行成功”就满足了一定要动手改。改一个参数、换一个函数、增加一条约束这些折腾过程才是真正的学习。代码这东西看十遍不如跑一遍跑十遍不如犯一次错。等你把书里的例程改成自己的工具箱就会发现原来那些“高端数学问题”也不是那么高不可攀。本文还有配套的精品资源点击获取
