【剑指offer】字符串翻转以及左旋转字符串

本文介绍了两种字符串操作的方法:字符串翻转和左旋转。首先,通过逆置整个字符串再逆置每个单词来实现字符串翻转;其次,通过逆置字符串的前k个字符和剩余部分,再逆置整个字符串来实现左旋转。这些技巧对于理解和操作字符串非常有用。

题目一:字符串翻转

题目描述:
    输入一给英文句子,翻转句子中单词的顺序,但单词内字符的顺序不变。为简单起见,标点符号和普通字母一样处理。例如:输入“I am a student.”,输出为“student. a am I”;

思路:

  • 第一步:对整个字符串进行逆置,例如就是将“I am a student.”逆置为".tneduts a ma I"
  • 第二步:对句子中的每个单词在进行逆置,就得到“student. a am I”

代码:

//字符串逆置模块
void Reverse(char *pbegin,char *pend)
{
	if(pbegin == pend || pend == nullptr)
		return;
	while(pbegin < pend)
	{
		char tmp = *pbegin;
		*pbegin = *pend;
		*pend = tmp;
		pbegin++;
		pend--;
	}
}

//翻转字符串句子
char *ReverSen(char *str)
{
	if(str == nullptr)
		return nullptr;
	char *pbegin = str;
	char *pend = str;
	while(*pend != '\0')
		pend++;
	pend--;
	Reverse(pbegin,pend);//翻转整个句子  即就是将“I am a student.”翻转为“.tneduts a ma I”

	//翻转句子中的每个单词
	pbegin = pend = str;
	while(*pbegin != '\0')
	{
		if(*pbegin == ' ')
		{
			pbegin++;
			pend++;
		}
		else if(*pend == ' '|| *pend == '\0')
		{
			Reverse(pbegin,--pend);
			pbegin = ++pend;
		}
		else
			pend++;
	}
	return str;
}

题目二:左旋转字符串

题目描述:

        字符串中的左旋操作就是把字符串前面的若干字符转移到字符串的尾部。例如:给定“abcdefg”和2,输出“cdefgab”

思路:

  •       第一步:根据k值,将字符串分为两部分,题目例子就是分为:ab 和 cdefg
  •       第二步:对每一部分分别进行逆置,即为ba和gfedc
  •       第三步:对整个字符串在进行一次逆置,即得到cdefgab

代码:

//调用题目一中的字符串逆置函数
char* LeftRotate(char *str,int k)
{
	if(str != nullptr)
	{
		int len = strlen(str);
		if(len > 0 && k > 0 && k < len)
		{
			char *firststart = str;
			char *firstend = str + k - 1;
			char *secondstart = str + k;
			char *secondend = str + len - 1;
			//翻转前面的部分
			Reverse(firststart,firstend);
			//翻转后面的部分
			Reverse(secondstart,secondend);
			//翻转整个字符串
			Reverse(firststart,secondend);
		}
	}
	return str;
}

 

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
评论
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