【2020春数据结构】线性表

本文详细介绍了使用C++实现线性表的各种操作,包括创建、打印、查找、插入和删除元素,以及顺序表的合并。通过具体的代码示例,深入解析了每种操作的实现方法。
#include<bits/stdc++.h>
#define ll long long
#define endl '\n'
#define IO ios::sync_with_stdio(false);cin.tie(0);
using namespace std;
const int maxn=1e3+5;
int a[maxn];
typedef struct{
	int data[maxn];
	int length;
}SeqList;

//创建线性表
void create(SeqList *&L,int a[],int n){
	L=(SeqList *)malloc(sizeof(SeqList));
	for(int i=0;i<n;i++){
		L->data[i]=a[i];
	}
	L->length=n;
}
//打印线性表
void printList(SeqList *&L){
	for(int i=0;i<L->length;i++){
		cout<<L->data[i]<<" ";
	}
	cout<<endl;
}
//在顺序表L中查找与e相等的元素
int Locate(SeqList *&L,int e){
	int i=0;
	while((i<=L->length)&&(L->data[i])!=e){
		i++;
	}
	if(i<=L->length) return i+1;
	else return -1;
}
//在顺序表L中第i个元素之前插入一个元素e
int InsList(SeqList *&L,int i,int e){
	int k;
	if((i<1||i>L->length+2)) {cout<<"插入不合法"<<endl;return -1;}
	if(L->length>=maxn-1) {cout<<"表已满无法插入"<<endl;return -1;}
	for(k=L->length;k>=i-1;k--){
		L->data[k+1]=L->data[k];
	}
	L->data[i-1]=e;
	L->length++;
}
//在顺序表L中删除第i个元素
int DelList(SeqList *&L,int i){
	int k;
	if((i<1)||i>L->length+1){cout<<"删除位置不合法";return -1;}
	for(k=i;k<=L->length;k++){
		L->data[k-1]=L->data[k];
	}
	L->length--;
} 
//合并顺序表
void merge(SeqList *&La,SeqList *&Lb,SeqList *&Lc){
	int i=0,j=0,k=0;
	while(i<=La->length-1&&j<=Lb->length-1){
		if(La->data[i]<=Lb->data[j]){
			Lc->data[k]=La->data[i];
			i++,k++;
		}
		else{
			Lc->data[k]=Lb->data[j];
			j++,k++;
		}
	}
	while(i<=La->length-1){
		Lc->data[k]=La->data[i];
		i++;k++;
	}
	while(j<=Lb->length-1){
		Lc->data[k]=Lb->data[j];
		j++,k++;
	}
	Lc->length=La->length+Lb->length;
} 
int main(){
	SeqList *La,*Lb,*Lc;
	int n;cin>>n;
	for(int i=0;i<n;i++) cin>>a[i];
	int m;cin>>m;
	for(int i=0;i<m;i++) cin>>b[i];
	create(La,a,n);
	create(Lb,b,m);
	create(Lc,c,0);
	merge(La,Lb,Lc);
	printList(Lc);
}










内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂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)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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