微分方程模型(人口,捕鱼,种群模型)
世界人口增长概况中国人口增长概况如何将实际问题和现有知识挂钩今年人口x0, 年增长率rk年后人口xk=x0(1+r)k指数增长模型——马尔萨斯提出基本假设:人口(相对)增长率r是常数x(t)时刻的人口x(t+Δt)−x(t)x(t)=rΔtdxdt=rx, x(0)=x0\begin{array}{}今年人口x_{0},\ 年增长率r\\k年后人口\quad x_{k}=x_{0}(1+r)^{k
人口增长模型
模型准备
世界人口增长概况
年 | 1625 | 1830 | 1930 | 1960 | 1974 | 1987 | 1999 |
---|---|---|---|---|---|---|---|
人口(亿) | 5 | 10 | 20 | 30 | 40 | 50 | 60 |
中国人口增长概况
年 | 1908 | 1933 | 1953 | 1964 | 1982 | 1990 | 1995 | 2000 |
---|---|---|---|---|---|---|---|---|
人口(亿) | 3.0 | 4.7 | 6.0 | 7.2 | 10.3 | 11.3 | 12.0 | 13.0 |
- 研究调查问题背景,找得越全越好
- 研究人口变化规律,去解释目前人口变化现状
- 制定现在的政策
如何将实际问题和现有知识挂钩
今年人口x0, 年增长率rk年后人口xk=x0(1+r)k指数增长模型——马尔萨斯提出基本假设:人口(相对)增长率r是常数x(t)时刻的人口x(t+Δt)−x(t)x(t)=rΔtdxdt=rx, x(0)=x0 \begin{array}{} 今年人口x_{0},\ 年增长率r \\ k年后人口\quad x_{k}=x_{0}(1+r)^{k} \\ \\ 指数增长模型——马尔萨斯提出 \\ 基本假设:人口(相对)增长率r是常数 \\ x(t)时刻的人口\quad \frac{x(t+\Delta t)-x(t)}{x(t)}=r\Delta t \\ \frac{dx}{dt}=rx,\ x(0)=x_{0} \end{array} 今年人口x0, 年增长率rk年后人口xk=x0(1+r)k指数增长模型——马尔萨斯提出基本假设:人口(相对)增长率r是常数x(t)时刻的人口x(t)x(t+Δt)−x(t)=rΔtdtdx=rx, x(0)=x0
x0x_{0}x0是定解条件初始条件
dxdt=rx\frac{dx}{dt}=rxdtdx=rx是常微分方程
分离变量法解微分方程
dxx=rdt \frac{dx}{x}=r dt xdx=rdt
两边分别求不定积分
ln∣x∣=rt+C \ln |x|=rt+C ln∣x∣=rt+C
叫做微分方程通解
将初始条件代入
x(t)=x0ert x(t)=x_{0}e^{rt} x(t)=x0ert
x(t)=x0(er)t≈x0(1+r)t x(t)=x_{0}(e^{r})^{t}\approx x_{0}(1+r)^{t} x(t)=x0(er)t≈x0(1+r)t
随着时间增加,人口按指数规律无限增长
指数增长模型的应用及局限性
- 可用于短期人口增长预测
- 不符合19世纪后多数地区人口增长规律
- 仅适用于物资非常丰富的情景
19世纪后,人口增长率rrr不是常数,逐渐下降
阻滞增长模型
人口增长到一定数量后,增长率下降的原因
资源、环境等因素对人口增长的阻滞作用
阻滞作用随人口数量增加而变大,即r是x的减函数
假设
r(x)=r−sx (r,s>0) r(x)=r-sx\ (r, s>0) r(x)=r−sx (r,s>0)
当x很小时,r就是固有增长率或自然增长率
xmx_{m}xm,人口容量(资源、环境能容纳的最大数量)
r(xm)=0 r(x_{m})=0 r(xm)=0
s=rxm s=\frac{r}{x_{m}} s=xmr
r(x)=r(1−xxm) r(x)=r(1-\frac{x}{x_{m}}) r(x)=r(1−xmx)
代入常微分方程
dxdt=r(x)x=rx(1−xxm) \frac{dx}{dt}=r(x)x=rx\left( 1-\frac{x}{x_{m}} \right) dtdx=r(x)x=rx(1−xmx)
dxdt\frac{dx}{dt}dtdx就是时间改变一个单位数,人口的改变量
S形曲线,x增加先快后慢
xt=xm1+(xmx0−1)e−rt x_{t}=\frac{x_{m}}{1+(\frac{xm}{x_{0}}-1)e^{-rt}} xt=1+(x0xm−1)e−rtxm
参数估计
用阻滞增长模型作人口预报,必须先估计模型参数rrr和xmx_{m}xm
- 利用统计数据用最小二乘法作拟合
- rrr=0.2557,xmx_{m}xm=392.1
模型检验
用模型计算2010年美国人口,与实际数据比较
x(2010)=274.5 x(2010)=274.5 x(2010)=274.5
实际为281.4
模型应用
预报美国2020年人口
加入2010年人口数据后重新估算模型参数
r=0.2490,xm=434.0 r=0.2490,\qquad x_{m}=434.0 r=0.2490,xm=434.0
x(2020)=306.0 x(2020)=306.0 x(2020)=306.0
数学建模一般步骤
- 模型准备
了解实际背景,明确建模目的,搜集有关信息,掌握对象特征 - 模型假设
针对问题特点和建模目的,作出合理、简化的假设,在合理与简化之间折中 - 模型构成
用数学的语言、符号描述问题,尽量采用简单的数学工具 - 模型求解
各种数学方法,软件和计算机技术 - 模型分析
结果的误差分析,统计分析,模型对数据的稳定性分析 - 模型检验
与实际现象,数据比较,检验模型的合理性,适用性
数学建模全过程
- 根据建模目的和信息将实际问题翻译成数学问题
- 选择适当的数学方法求得数学模型的解答
- 将数学语言表述的解答翻译回实际对象
- 用现实对象的信息检验得到的解答
微分方程的稳定性分析
- 对象仍是动态过程,而建模目的是研究时间充分长以后过程的变化趋势——平衡状态是否稳定
- 不求解微分方程,而是用微分方程稳定性理论研究平衡状态稳定性
捕鱼业的持续收获
背景
- 再生资源应适度开发——在持续稳产前提下实现最大产量或最佳效益
问题及分析 - 在捕捞量稳定的条件下,如何控制捕捞使产量最大或效益最佳
- 如果使捕捞量等于自然增长量,渔场鱼量将保持不变,则捕捞量稳定
产量模型
- 假设
x(t)∼渔场鱼量 x(t)\sim渔场鱼量 x(t)∼渔场鱼量
- 无捕捞时鱼的自然增长服从Logistic规律
x˙(t)=f(x)=rx(1−xN) \dot{x}(t)=f(x)=rx\left( 1-\frac{x}{N} \right) x˙(t)=f(x)=rx(1−Nx)
r∼固有增长率,N∼最大鱼量 r\sim固有增长率,N\sim最大鱼量 r∼固有增长率,N∼最大鱼量 - 单位时间捕捞量与渔场鱼量成正比
h(x)=Ex, E∼捕捞强度 h(x)=Ex,\ E\sim捕捞强度 h(x)=Ex, E∼捕捞强度
- 建模
记
F(x)=f(x)−h(x) F(x)=f(x)-h(x) F(x)=f(x)−h(x)
捕捞情况下渔场鱼量满足
x˙(t)=F(x)=rx(1−xN)−Ex \dot{x}(t)=F(x)=rx\left( 1-\frac{x}{N} \right)-Ex x˙(t)=F(x)=rx(1−Nx)−Ex
- 不需要求解x(t),只需要知道稳定的条件
一阶微分方程的平衡点及其稳定性
x˙=F(x) \dot{x}=F(x) x˙=F(x)
一阶非线性自治方程
F(x)=0F(x)=0F(x)=0的根x0x_{0}x0就是微分方程的平衡点
x˙∣x=x0=0 \dot{x}|_{x=x_{0}}=0 x˙∣x=x0=0
设x(t)x(t)x(t)是方程的解,若从x0x_{0}x0某邻域的任意初值出发,都有limt→∞x(t)=x0\lim_{ t \to \infty }x(t)=x_{0}limt→∞x(t)=x0
称x0x_{0}x0是方程的稳定平衡点
- 不求x(t)x(t)x(t),有判断x0x_{0}x0稳定性的方法,直接法
近似线性方程,一阶导
x˙=F′(x0)(x−x0) \dot{x}=F'(x_{0})(x-x_{0}) x˙=F′(x0)(x−x0)
- F′(x0)<0F'(x_{0})<0F′(x0)<0,x0x_{0}x0稳定
- F′(x0)>0F'(x_{0})>0F′(x0)>0,x0x_{0}x0不稳定
x˙(t)=F(x)=rx(1−xN)−Ex \dot{x}(t)=F(x)=rx\left( 1-\frac{x}{N} \right)-Ex x˙(t)=F(x)=rx(1−Nx)−Ex
令F(x)=0F(x)=0F(x)=0
x0=N(1−Er), x1=0 x_{0}=N\left( 1-\frac{E}{r} \right),\ x_{1}=0 x0=N(1−rE), x1=0
稳定性判断,代入到一阶导函数里面
F′(x0)=E−r, F′(x1)=r−E F'(x_{0})=E-r,\ F'(x_{1})=r-E F′(x0)=E−r, F′(x1)=r−E
E<r→F′(x0)<0,F′(x1)>0→x0稳定,x1不稳定 E<r\to F'(x_{0})<0,F'(x_{1})>0\to x_{0}稳定,x_{1}不稳定 E<r→F′(x0)<0,F′(x1)>0→x0稳定,x1不稳定
E>r→F′(x0)>0,F′(x1)<0→x0不稳定,x1稳定 E>r\to F'(x_{0})>0,F'(x_{1})<0\to x_{0}不稳定,x_{1}稳定 E>r→F′(x0)>0,F′(x1)<0→x0不稳定,x1稳定
E:单位时间的捕捞强度,r:增长率
如果单位时间捕捞强度小于增长率,x0x_{0}x0稳定,t趋于无穷大的时候,渔场的鱼量xtx_{t}xt会趋于这个点,也就是随着时间推移,渔场的鱼量会保持在这么多
如果单位时间捕捞强度大于增长率,x1x_{1}x1稳定,每天捕捞的比鱼量增加的多,t趋于无穷大的时候,渔场的鱼量趋于0
怎么使产量最大
在捕捞量稳定的条件下,控制捕捞强度使产量最大
F(x)=f(x)−h(x) F(x)=f(x)-h(x) F(x)=f(x)−h(x)
x˙(t)=f(x)=rx(1−xN) \dot{x}(t)=f(x)=rx\left( 1-\frac{x}{N} \right) x˙(t)=f(x)=rx(1−Nx)
h(x)=Ex h(x)=Ex h(x)=Ex
求h(x)h(x)h(x),并且使其最大
捕捞强度是E,也就是要求E,使得h最大
图解法
F(x)=0→f与h交点P F(x)=0\to f与h交点P F(x)=0→f与h交点P
当P点在抛物线的顶点时,产量是最大的
P∗(x0=N2,hm=rN4) P^{*}\left( x_{0}=\frac{N}{2} ,h_{m}=r \frac{N}{4}\right) P∗(x0=2N,hm=r4N)
E∗=hmx0∗=r2 E^{*}=\frac{h_{m}}{x_{0}^{*}}=\frac{r}{2} E∗=x0∗hm=2r
控制渔场鱼量为最大鱼量一半的时候
效益模型
在捕捞量稳定的条件下,控制捕捞强度使效益最大
假设
- 鱼销售价格p
- 单位捕捞强度费用c
收入
T=ph(x)=pEx T=ph(x)=pEx T=ph(x)=pEx
支出
S=cE S=cE S=cE
单位时间利润
R=T−S=pEx−cE R=T-S=pEx-cE R=T−S=pEx−cE
代入稳定平衡点x0=N(1−Er)x_{0}=N\left( 1-\frac{E}{r} \right)x0=N(1−rE)
R(E)=T(E)−S(E)=pNE(1−Er)−cE R(E)=T(E)-S(E)=pNE\left( 1-\frac{E}{r} \right)-cE R(E)=T(E)−S(E)=pNE(1−rE)−cE
求E使得R(E)最大
ER=r2(1−cpN)<E∗=r2 E_{R}=\frac{r}{2}\left( 1-\frac{c}{pN} \right)<E^{*}=\frac{r}{2} ER=2r(1−pNc)<E∗=2r
渔场鱼量
xR=N(1−ERr)=N2+c2p x_{R}=N\left( 1-\frac{E_{R}}{r} \right)=\frac{N}{2}+\frac{c}{2p} xR=N(1−rER)=2N+2pc
hR=rN4(1−c2p2N2) h_{R}=\frac{rN}{4}\left( 1-\frac{c^{2}}{p^{2}N^{2}} \right) hR=4rN(1−p2N2c2)
捕捞过度 - 封闭式捕捞追求利润R(E)R(E)R(E)最大
- 开放式捕捞只求利润R(E)>0R(E)>0R(E)>0
ER=r2(1−cpN) E_{R}=\frac{r}{2}\left( 1-\frac{c}{pN} \right) ER=2r(1−pNc)
R(E)=T(E)−S(E)=pNE(1−Er)−cE=0 R(E)=T(E)-S(E)=pNE\left( 1-\frac{E}{r} \right)-cE=0 R(E)=T(E)−S(E)=pNE(1−rE)−cE=0
令R(E)=0R(E)=0R(E)=0
Es=r(1−cpN) E_{s}=r\left( 1-\frac{c}{pN} \right) Es=r(1−pNc)
R(E)=0R(E)=0R(E)=0时的捕捞强度(临界强度)Es=2ERE_{s}=2E_{R}Es=2ER
临界强度下的渔场鱼量
xs=N(1−Esr)=cp x_{s}=N\left( 1-\frac{E_{s}}{r} \right)=\frac{c}{p} xs=N(1−rEs)=pc
p↑,c↓→Es↑,xs↓ p\uparrow,c\downarrow\to E_{s}\uparrow,x_{s}\downarrow p↑,c↓→Es↑,xs↓
捕捞过度
种群的相互竞争
- 一个自然环境中有两个种群生存,它们之间的关系:相互竞争;相互依存;弱肉强食。
- 当两个种群为争夺同一食物来源和生存空间相互竞争时,常见的结局是,竞争力弱的灭绝,竞争力强的达到环境容许的最大容量
- 建立数学模型描述两个种群相互竞争的过程,分析产生这种结局的条件
模型假设: - 有甲乙两个种群,它们独自生存时数量变化均服从Logistic规律
x˙1(t)=r1x1(1−x1N1) \dot{x}_{1}(t)=r_{1}x_{1}\left( 1-\frac{x_{1}}{N_{1}} \right) x˙1(t)=r1x1(1−N1x1)
x˙2(t)=r2x2(1−x2N2) \dot{x}_{2}(t)=r_{2}x_{2}\left( 1-\frac{x_{2}}{N_{2}} \right) x˙2(t)=r2x2(1−N2x2) - 两种群在一起生存时,乙对甲增长的阻滞作用与乙的数量成正比; 甲对乙有同样的作用,是相互竞争关系
模型:
x1˙(t)=r1x1(1−x1N1−σ1x2N2) \dot{x_{1}}(t)=r_{1}x_{1}\left( 1-\frac{x_{1}}{N_{1}}-\sigma_{1} \frac{x_{2}}{N_{2}} \right) x1˙(t)=r1x1(1−N1x1−σ1N2x2)
x2˙(t)=r2x2(1−σ2x1N1−x2N2) \dot{x_{2}}(t)=r_{2}x_{2}\left( 1-\sigma_{2} \frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right) x2˙(t)=r2x2(1−σ2N1x1−N2x2)
对于消耗甲的资源而言,乙是甲的σ1\sigma_{1}σ1倍
σ1>1\sigma_{1}>1σ1>1
对于甲增长的阻滞作用而言,乙大于甲,乙的竞争力强
模型分析:
- 找平衡点
t→∞t\to \inftyt→∞时,x1(t),x2(t)x_{1}(t),x_{2}(t)x1(t),x2(t)的趋向(平衡点及其稳定性)
二阶非线性自治方程
x˙1(t)=f(x1,x2), x˙2(t)=g(x1,x2) \dot{x}_{1}(t)=f(x_{1},x_{2}),\ \dot{x}_{2}(t)=g(x_{1},x_{2}) x˙1(t)=f(x1,x2), x˙2(t)=g(x1,x2)
的平衡点及其稳定性
求平衡点P0(x10,x20)P_{0}(x_{1}^{0},x_{2}^{0})P0(x10,x20)的代数方程
f(x1,x2)=0 f(x_{1},x_{2})=0 f(x1,x2)=0
g(x1,x2)=0 g(x_{1},x_{2})=0 g(x1,x2)=0
的根
若从P0P_{0}P0的某邻域的任意初值出发,都有limt→∞x1(t)=x10, limt→∞x2(t)=x20\lim_{ t \to \infty }x_{1}(t)=x_{1}^{0},\ \lim_{ t \to \infty }x_{2}(t)=x_{2}^{0}limt→∞x1(t)=x10, limt→∞x2(t)=x20,称P0P_{0}P0时微分方程的稳定平衡点
判断稳定性的方法——直接法
近似线性方程
x˙1(t)=fx1(x10,x20)(x1−x10)+fx2(x10,x20)(x2−x20) \dot{x}_{1}(t)=f_{x_{1}}(x_{1}^{0},x_{2}^{0})(x_{1}-x_{1}^{0})+f_{x_{2}}(x_{1}^{0},x_{2}^{0})(x_{2}-x_{2}^{0}) x˙1(t)=fx1(x10,x20)(x1−x10)+fx2(x10,x20)(x2−x20)
x˙2(t)=gx1(x10,x20)(x1−x10)+gx2(x10,x20)(x2−x20) \dot{x}_{2}(t)=g_{x_{1}}(x_{1}^{0},x_{2}^{0})(x_{1}-x_{1}^{0})+g_{x_{2}}(x_{1}^{0},x_{2}^{0})(x_{2}-x_{2}^{0}) x˙2(t)=gx1(x10,x20)(x1−x10)+gx2(x10,x20)(x2−x20)
求出
A=[fx1fx2gx1gx2]∣P0 A=\begin{bmatrix} f_{x_{1}}&&f_{x_{2}} \\ g_{x_{1}}&&g_{x_{2}} \end{bmatrix}|_{P_{0}} A=[fx1gx1fx2gx2]∣P0
{λ2+pλ+q=0p=−(fx1+gx2)∣P0q=detA \left\{\begin{matrix} \lambda^{2}+p\lambda+q=0 \\ p=-(f_{x_{1}}+g_{x_{2}})|_{P_{0}} \\ q=\det A \end{matrix}\right. ⎩
⎨
⎧λ2+pλ+q=0p=−(fx1+gx2)∣P0q=detA
若p>0p>0p>0且q>0q>0q>0,平衡点P0P_{0}P0稳定
若p<0p<0p<0或q<0q<0q<0,平衡点P0P_{0}P0不稳定
模型求解
f(x1,x2)=r1x1(1−x1N1−σ1x2N2)=0 f(x_{1},x_{2})=r_{1}x_{1}\left( 1- \frac{x_{1}}{N_{1}}-\sigma_{1} \frac{x_{2}}{N_{2}} \right)=0 f(x1,x2)=r1x1(1−N1x1−σ1N2x2)=0
g(x1,x2)=r2x2(1−σ2x1N1−x2N2)=0 g(x_{1},x_{2})=r_{2}x_{2}\left( 1- \sigma_{2}\frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right)=0 g(x1,x2)=r2x2(1−σ2N1x1−N2x2)=0
平衡点P1(N1,0), P2(0,N2), P3(N1(1−σ1)1−σ1σ2,N2(1−σ2)1−σ1σ2) P4(0,0)P_{1}(N_{1},0),\ P_{2}(0,N_{2}),\ P_{3}\left( \frac{N_{1}(1-\sigma_{1})}{1-\sigma_{1}\sigma_{2}}, \frac{N_{2}(1-\sigma_{2})}{1-\sigma_{1}\sigma_{2}} \right)\ P_{4}(0,0)P1(N1,0), P2(0,N2), P3(1−σ1σ2N1(1−σ1),1−σ1σ2N2(1−σ2)) P4(0,0)
仅当σ1σ2<1\sigma_{1}\sigma_{2}<1σ1σ2<1或σ1σ2<1\sigma_{1}\sigma_{2}<1σ1σ2<1,P3P_{3}P3才有意义
p=−(fx1+gx2)∣Pi, q=detA∣Pi, i=1,2,3,4 p=-(f_{x_{1}}+g_{x_{2}})|_{P_{i}},\ q=\det A|_{P_{i}},\ i=1,2,3,4 p=−(fx1+gx2)∣Pi, q=detA∣Pi, i=1,2,3,4
平衡点PiP_{i}Pi稳定条件:p>0且q>0
P1, P2 是一个种群存活而另一灭绝的平衡点
P3 是两种群共存的平衡点
种群的相互依存
甲乙两种群的相互依存有三种形式:
- 甲可以独自生存,乙不能独自生存;甲乙一起生存时相互提供食物、促进增长。
- 甲乙均可以独自生存;甲乙一起生存 时相互提供食物、促进增长。
- 甲乙均不能独自生存;甲乙一起生存时相互提供食物、促进增长。
模型假设
- 甲可以独自生存,数量变化服从Logistic规律; 甲乙一起生存时乙为甲提供食物、促进增长
- 乙不能独自生存;甲乙一起生存时甲为乙提供食物、促进增长;乙的增长又受到本身的阻滞作用 (服从Logistic规律)。
模型
x˙1(t)=r1x1(1−x1N1+σ1x2N2) \dot{x}_{1}(t)=r_{1}x_{1}\left( 1- \frac{x_{1}}{N_{1}}+\sigma_{1} \frac{x_{2}}{N_{2}} \right) x˙1(t)=r1x1(1−N1x1+σ1N2x2)
乙为甲提供食物是甲消耗的s1 倍
x˙2(t)=r2x2(−1+σ2x1N1−x2N2) \dot{x}_{2}(t)=r_{2}x_{2}\left(- 1+\sigma_{2} \frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right) x˙2(t)=r2x2(−1+σ2N1x1−N2x2)
甲为乙提供食物是乙消耗的s2 倍
P2是甲乙相互依存而共生的平衡点
种群模型的几种形式
相互竞争
x˙1(t)=r1x1(1−x1N1−σ1x2N2) \dot{x}_{1}(t)=r_{1}x_{1}\left( 1- \frac{x_{1}}{N_{1}}-\sigma_{1} \frac{x_{2}}{N_{2}} \right) x˙1(t)=r1x1(1−N1x1−σ1N2x2)
x˙2(t)=r2x2(1−σ2x1N1−x2N2) \dot{x}_{2}(t)=r_{2}x_{2}\left( 1-\sigma_{2} \frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right) x˙2(t)=r2x2(1−σ2N1x1−N2x2)
相互依存
x˙1(t)=r1x1(±1−x1N1+σ1x2N2) \dot{x}_{1}(t)=r_{1}x_{1}\left( \pm1- \frac{x_{1}}{N_{1}}+\sigma_{1} \frac{x_{2}}{N_{2}} \right) x˙1(t)=r1x1(±1−N1x1+σ1N2x2)
x˙2(t)=r2x2(±1+σ2x1N1−x2N2) \dot{x}_{2}(t)=r_{2}x_{2}\left( \pm1+\sigma_{2} \frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right) x˙2(t)=r2x2(±1+σ2N1x1−N2x2)
弱肉强食
x˙1(t)=r1x1(1−x1N1−σ1x2N2) \dot{x}_{1}(t)=r_{1}x_{1}\left( 1- \frac{x_{1}}{N_{1}}-\sigma_{1} \frac{x_{2}}{N_{2}} \right) x˙1(t)=r1x1(1−N1x1−σ1N2x2)
x˙2(t)=r2x2(−1+σ2x1N1−x2N2) \dot{x}_{2}(t)=r_{2}x_{2}\left( -1+\sigma_{2} \frac{x_{1}}{N_{1}}- \frac{x_{2}}{N_{2}} \right) x˙2(t)=r2x2(−1+σ2N1x1−N2x2)

GitCode 天启AI是一款由 GitCode 团队打造的智能助手,基于先进的LLM(大语言模型)与多智能体 Agent 技术构建,致力于为用户提供高效、智能、多模态的创作与开发支持。它不仅支持自然语言对话,还具备处理文件、生成 PPT、撰写分析报告、开发 Web 应用等多项能力,真正做到“一句话,让 Al帮你完成复杂任务”。
更多推荐
所有评论(0)