大家好，本人算法菜鸟一枚，有个处理数据的问题想了好几天，也初步写了一点代码，总达不到理想的效果，希望高手们指点。

　　背景与数据细节这里先略过(考虑到公司数据的保密性与表达的无必要性)。

　　遇到的问题可以简单地归结到两个公式上面：

　　1、K₀ = A₁*P_x

　　2、K_t = I_t+(1-J_t)*K_t-1

　　公式中变量及要求说明：

　　1、目前收集的数据是从1978年到2012年,计算时需要选定某一年为基年，然后以该基年的数据为起点开始往下计算某些属性值。如基年选定1978，则以1978年的数据为起点，一直计算到2012，同理，若基年为1995，则以1995年的数据为起点，一直计算到2012。

　　2、上面提到以基年为起点能算到一些属性值，如A, I，易知这两个属性变量均为向量，元素个数为最新数据年份-基年+1，如基年为1995，则个数为2012-1995+1 = 18，I_t表示第t年的I值，t范围[1,18]。但还有些属性值需要通过两个不定因素的迭代计算得到，如K：K₀和A₁，P有关，这里的P为第一个不定因素，变化范围[4.0,5.5]，亦是迭代的第一层。

　　写过代码的朋友都清楚，这一层迭代只要一个for循环即可完成，这里给出Matlab代码，基年假定为1995。

1 for Px = 4.0:0.1:5.5
2      K(1,1) = A(1,1)*Px;  % Matlab中(i,j)表示取矩阵或向量的第i行，第j列元素，这里的变量均为列向量
3      for t = 2:18         % 后面年份K值的计算
4          K(t,1) = I(t,1)+(1-J(t,1))*K(t-1,1);
　　　　end
5 end

　　若在Px这个迭代过程中加入最优解评判标准，则可知对于某一个基年，Px最优取值只有一个(假定评判时没有相同的最优结果)，也可以说Px参数只针对基年，和后面年份无直接关系。如1995对应4.5,1998对应4.7，这个没有什么难处，也很好理解。

　　问题就在于第二个不定因素：J。在计算最优解过程中，J参数和基年无关，但和后面年份相关且每年对应的J值均在范围[0.1,0.23]。

　　说到这，本人的本能反应是在第一层迭代中加入J的多层迭代，如基年为2010，则还需加入2011,2012这两年的J值迭代过程。代码如下：

for Px = 4.0:0.1:5.5
     K(1,1) = A(1,1)*Px;  % Matlab中(i,j)表示取矩阵或向量的第i行，第j列元素，这里的变量均为列向量
     for J1 = 0.1:0.001:0.23
         for J2 = 0.1:0.001:0.23
            J = [1,J1,J2]‘;      % 符号‘表示行向量转为列向量,第一个元素无效，只做占位用，因为需从基年的下一年开始计算
            for t = 2:3          % 后面年份K值的计算
                K(t,1) = I(t,1)+(1-J(t,1))*K(t-1,1);
                % 最优解评判过程在此处
            end
        end
    end
end        

　　表面上看，问题解决了，至少在不管最优解能否满足实际需求的前提下。但是仔细一想，忽略了至关重要的一点——最新年份与基年的变动性。看下面列出的几种可能的情况就能知道问题所在：

　　1、上述代码中的例子，基年为2010，最新年份为2012，则迭代嵌套为两层；

　　2、最初提到的基年为1978，最新年份为2012，需35层；

　　3、后面提到的基年1995，最新年份为2012，需18层；

　　4、用户提供的数据也许最新年份为2013或2014等，同样，基年选择1999或2005等；面对这种最新年份与基年都不确定的情况，不定因素J的迭代过程该如何实现？

　　本人的能力确实想不出好的方法，目前能做到的只是能确定迭代的次数，如最新年份为2015，基年选取为2000，则迭代嵌套为2015-2000 = 15层。

　　提醒一点，确定了层数之后不管其大小如何，是可以实现，如30层就写30个for循环。随着最新年份与基年的变动，层数也跟着变，但是怎么让实现过程也相应地等价层数呢？

　　换句话说，上面的疑问即是：

　　1、若层数为2，则为两个for循环；

　　2、若层数为10，则对应十个for循环；

　　3、但是数据的最新年份由统计时间或要求决定，基年选择也不能事先确定，怎么做到：根据用户的数据与基年的选择情况，实现相应的J迭代？