PATbasic1004

#include "stdafx.h"
#include<iostream>
#include<string>
using namespace std;

typedef struct node {
	string name;
	string number;
	int result;
	struct node *next;
}NODE;

NODE *build(int n) {
	NODE *head, *p, *nextnode;
	head = new NODE;
	head->next = NULL;
	p = head;
	for (int i = 0; i < n; i++) {
		nextnode = new NODE;
		cin >> nextnode->name;
		cin >> nextnode->number;
		cin >> nextnode->result;
		p->next = nextnode;
		p = nextnode;
	}
	p->next = NULL;
	return head;
}

void sort(NODE *head) {
	NODE *min = head->next, *max = head->next;
	NODE *p;
	for (p = head->next->next; p != NULL; p = p->next) {
		if (p->result > max->result) {
			max = p;
		}
	}
	for (p = head->next->next; p != NULL; p = p->next) {
		if (p->result < min->result) {
			min = p;
		}
	}
	cout << max->name << " " << max->number << endl;
	cout << min->name << " " << min->number << endl;
}

int main()
{
	int n;
	cin >> n;
	NODE *head = build(n);
	sort(head);
    return 0;
}

这题我做麻烦了。。。其实完全用不着链表的,用一个NODE array[]存所有的节点然后排个序OK。万恶的惯性思维。。。
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