算法笔记 心得5

1,函数

格式:
返回类型 函数名称(参数类型 参数){
                   函数主体
}
 
无参函数:
eg,
void printf1(){
printf(“Oh,ye!”);
}
 
有参函数:
eg,
int judeg(int x){
if(x>0) return 0;
else if(x==0) return 0;
else return -1;
}
 
全局变量
在定义后的所有程序内都有效的变量(定义在所有函数之前)
 
局部变量
定义在函数内部,且只在函数内部生效,函数结束时局部变量销毁
 
函数定义的小括号内的参数为形式参数
实际调用时小括号内的参数为实际参数
 
主函数只有一个,整个程序一定从主函数的第一句开始执行,然后需要其他函数时才去调用。
格式:
int main(){
    ….
    return 0;
}
⚠️:函数返回0的意义在于告诉系统程序正常终止。
 
数组作为函数参数
参数中数组的第一维不需要填写长度(如果是二维数组,那么第二维需要填写长度)
实际调用时只需要填写数组名
⚠️:数组作为参数时,在函数中对数组元素的修改就等同于对原数组元素的修改(与普通的局部变量不同)
⚠️:数组可以作为参数,但是却不允许作为返回类型
 
函数的额嵌套调用:
一个函数中调用另一个函数,调用方式和之前main函数调用其他函数是一样的
 
函数递归调用:
一个函数调用函数自身
 

转载于:https://www.cnblogs.com/fanxinglanyu/p/10289108.html

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
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