leetcode——206.反转链表

本文介绍两种链表反转的方法:一是通过遍历链表并修改每个节点的指向;二是创建新链表并使用前插法逐个插入节点。两种方法均实现了链表的反转。

思路1:

遍历链表,将每个结点的前项记住,将next指针变为prior指针
即 1->2->3->O 变为 O->3->2->1

代码1:

class Solution {
public:
    ListNode* reverseList(ListNode* head) {
        ListNode* prev = nullptr;
        ListNode* curr = head;
        while (curr) {
            //防止原来链表后项丢失
            ListNode* next = curr->next;
            //后指针向前指
            curr->next = prev;
            //当前元素为下一元素的前项
            prev = curr;
            //原来链表后移
            curr = next;
        }
        return prev;
    }
};

思路2:

创建一个新链表,使用前插法将元素一个个插入链表头结点后

代码2:

class Solution {
public:
    ListNode* reverseList(ListNode* head) {
    	//创建新结点指针
        ListNode* newhead =new ListNode;
        newhead->next=NULL;
        ListNode* s;
        while (head) {
        	//新结点赋值
            s=new ListNode;//注意一定要new新的内存,不然只有一个结点
            s->val=head->val;
            //s插入新链表 头指针 之后
            s->next=newhead->next;
            newhead->next=s;
            //原链表后移
            head=head->next;
        }
        return newhead->next;
    }
};
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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