如何编程实现任意维度指定区间的求和计算（支持高维度场景）

需求是针对给定的x计算上述求和式，求和范围由数组block_length指定：比如block_length = [5 4 3]时，第一维度遍历-5到5，第二维度-4到4，第三维度-3到3。对应的基础伪代码如下：

sum = 0;
for i = -5:5
for j = -4:4
for k = -3:3
      vec = [i j k];
      tv = vec * vec';
      sum = sum + 1/(1+tv)*cos(2*pi*x*vec');
end
end
end

问题在于维度数量未知（甚至高达650维），直接用combvec生成所有向量组合会导致内存开销爆炸，无法实现。

可行解决方案思路 #

方案1：递归实现可变维度循环 #

递归是处理可变嵌套循环的经典方式，每一层递归对应一个维度的遍历，仅在内存中维护当前遍历的向量状态，无额外大规模内存开销：

function total_sum = multidim_sum(x, block_length)
    total_sum = 0;
    current_dim = 1;
    current_vec = zeros(1, length(block_length));
    total_sum = recursive_sum(x, block_length, current_dim, current_vec);
end

function sum_val = recursive_sum(x, block_length, dim, vec)
    sum_val = 0;
    len = block_length(dim);
    % 遍历当前维度的所有取值
    for val = -len:len
        vec(dim) = val;
        if dim == length(block_length)
            % 到达最后一个维度，计算当前项并累加
            tv = vec * vec';
            term = 1/(1 + tv) * cos(2*pi*x*vec');
            sum_val = sum_val + term;
        else
            % 递归进入下一个维度
            sum_val = sum_val + recursive_sum(x, block_length, dim + 1, vec);
        end
    end
end

方案2：迭代式深度优先遍历（规避递归深度限制） #

MATLAB默认递归深度上限为500，针对650维的场景，可改用迭代栈模拟深度优先遍历，完全避免递归深度问题：

function total_sum = multidim_sum_iterative(x, block_length)
    total_sum = 0;
    n_dims = length(block_length);
    % 栈元素存储：当前维度索引、当前向量、是否已处理过子节点
    stack = struct('dim', 1, 'vec', zeros(1, n_dims), 'visited', false);
    
    while ~isempty(stack)
        current = stack(end);
        stack(end) = [];
        
        if current.visited
            continue;
        end
        
        if current.dim > n_dims
            % 所有维度赋值完成，计算当前项
            tv = current.vec * current.vec';
            term = 1/(1 + tv) * cos(2*pi*x*current.vec');
            total_sum = total_sum + term;
            continue;
        end
        
        % 标记当前节点为已访问，重新压入栈
        current.visited = true;
        stack = [stack, current];
        
        % 逆序压入当前维度取值，保证遍历顺序与递归一致（可选）
        len = block_length(current.dim);
        for val = len:-1:-len
            new_vec = current.vec;
            new_vec(current.dim) = val;
            stack = [stack, struct('dim', current.dim + 1, 'vec', new_vec, 'visited', false)];
        end
    end
end

方案3：向量化计算（仅适用于低维度场景） #

如果维度在几十维以内，可利用MATLAB数组广播生成网格并向量化计算，但高维度下会因数据量指数级增长导致内存溢出，650维场景绝对禁用：

function total_sum = multidim_sum_vectorized(x, block_length)
    % 生成每个维度的取值数组
    dim_ranges = arrayfun(@(len)-len:len, block_length, 'UniformOutput', false);
    % 生成多维网格
    [grid_vars{1:length(block_length)}] = ndgrid(dim_ranges{:});
    % 转换为列向量组合矩阵
    vec_matrix = cell2mat(cellfun(@(var) var(:), grid_vars, 'UniformOutput', false));
    % 向量化计算所有项
    tv = sum(vec_matrix.^2, 2);
    cos_terms = cos(2*pi*x * vec_matrix');
    terms = 1./(1 + tv) .* cos_terms';
    total_sum = sum(terms);
end

内容的提问来源于stack exchange，提问作者Rajesh D