1052 要考虑这是一条空链表的情况

本文介绍了一个使用C++实现的链表操作案例,包括节点的添加、关键信息的读取以及基于特定条件的排序算法。通过扫描输入,创建链表节点,并根据标志位进行排序,最终输出排序后的链表节点信息。
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn = 100010;
struct Node{
	int add,key,next;
	int flag;
	Node()
	{
		flag = 0;
	}
}node[maxn];
bool cmp(Node a,Node b)
{
	if(a.flag != b.flag) return a.flag > b.flag;
	else return a.key < b.key;
}
int main()
{
	int num = 0;
	int n,p,adc;
	scanf("%d %d",&n,&p);
	for(int i = 0; i < n; i++)
	{
		scanf("%d",&adc);
		node[adc].add = adc;
		scanf("%d %d",&node[adc].key,&node[adc].next);
	}
	while(p != -1)
	{
		node[p].flag = 1;
		p = node[p].next;
		num++;
	}
	sort(node,node+maxn,cmp);
		if(num == 0)
	{
		 printf("0 -1\n");
		 return 0;
	}
	printf("%d %05d\n",num,node[0].add);

	for(int i = 0; i < num-1; i++)
	{
		printf("%05d %d %05d\n",node[i].add,node[i].key,node[i+1].add);
	}
	printf("%05d %d -1\n",node[num-1].add,node[num-1].key);
	return 0;
} 

 

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