【重点!!!】【滑动窗口】567.字符串的排列

题目

法1:滑动窗口

Python

参考:灵茶山艾府

class Solution:
    def checkInclusion(self, s1: str, s2: str) -> bool:
        n = len(s1)
        cnt1 = Counter(s1) # 子集
        cnt2 = Counter()   
        left = 0
        for right, x in enumerate(s2):
            cnt2[x] += 1
            if right - left + 1 == n:
                if cnt2 == cnt1:
                    return True
                cnt2[s2[left]] -= 1
                left += 1
        return False

Java

class Solution {
    public boolean checkInclusion(String s1, String s2) {
        int left = 0, right = 0, valid = 0;
        int[] need = new int[256];
        int[] window = new int[256];
        Set<Character> usedSet = new HashSet<>();
        for (Character c : s1.toCharArray()) {
            need[c]++;
            usedSet.add(c);
        }
        while (right < s2.length()) {
            char curChar = s2.charAt(right);
            right++;
            if (need[curChar] > 0) {
                window[curChar]++;
                if (window[curChar] == need[curChar]) {
                    valid++;
                }
            }
            while (right - left == s1.length()) {
                if (valid == usedSet.size()) {
                    return true;
                }
                char deleteChar = s2.charAt(left);
                left++;
                if (window[deleteChar] > 0) {
                    if (window[deleteChar] == need[deleteChar]) {
                        valid--;
                    }
                    window[deleteChar]--;
                }
            }
        }

        return false;
    }
}
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值