Queue (Linked & Sequential) in Python

博客介绍了Node,详细阐述了顺序队列(Sequential Queue)和链式队列(Linked Queue),并给出了媒体播放器队列(Media Player Queue)的案例,属于信息技术领域的数据结构相关内容。

1. Node

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

    def __eq__(self, data):
        return self.data == data

    def __str__(self):
        return str(self.data)

2. Sequential Queue

class ListQueue:
    def __init__(self):
        self.items = []

    def size(self):
        return len(self.items)

    def empty(self):
        return self.size() == 0

    def front(self):
        item = None
        if not self.empty():
            item = self.items[0]
        return item

    def rear(self):
        return self.items[-1]

    def traverse(self):
        print(f"The current length: {self.size()}")
        for val in self.items:
            print(val)

    def enqueue(self, data):
        self.items.append(data)

    def dequeue(self):
        item = None
        if not self.empty():
            item = self.items.pop(0)
        return item
    
    def clear(self):
        self.items = []


def test_list_queue():
    lq = ListQueue()
    lq.enqueue("eggs")
    lq.enqueue("ham")
    lq.enqueue("spam")

    lq.traverse()

    print('-' * 20)
    lq.dequeue()
    lq.traverse()

3. Linked Queue

class LinkedQueue:
    def __init__(self):
        self.head = None
        self.tail = None
        self.size = 0

    def size(self):
        return self.size

    def empty(self):
        return self.size == 0

    def clear(self):
        self.size = 0
        self.head = None
        self.tail = None

    def iter(self):
        ptr = self.head
        while ptr:
            val = ptr.data
            ptr = ptr.next
            yield val

    def traverse(self):
        print(f"The current length: {self.size}")
        for val in self.iter():
            print(val)

    def enqueue(self, data):
        n = Node(data)
        if not self.empty():
            self.tail.next = n
        else:
            self.head = n
        self.tail = n
        self.size += 1

    def dequeue(self):
        item = None
        if not self.empty():
            item = self.head
            self.head = self.head.next
            if self.head is None:
                self.tail = None
            self.size -= 1
        return item


def test_linked_queue():
    q = LinkedQueue()

    q.enqueue("eggs")
    q.enqueue("ham")
    q.enqueue("spam")

    q.traverse()
    
    print('-' * 20)
    q.dequeue()
    q.traverse()

4. Case: Media Player Queue

import random
import time


class Track:
    def __init__(self, title=None):
        self.title = title
        self.length = random.randint(5, 10)


class MediaPlayer(ListQueue):
    def __init__(self):
        super().__init__()
        pass
    
    def add_track(self, track):
        self.enqueue(track)
    
    def play(self):
        while not self.empty():
            track = self.dequeue()
            length = track.length
            print(f"Now playing '{track.title}', Length = {track.length} seconds.")
            time.sleep(length)


def test_media_player():
    track1 = Track("Happy Birthday")
    track2 = Track("ABC Song")
    track3 = Track("Twinkle, Twinkle, Little Star")
    track4 = Track("Let It Go")
    track5 = Track("Weightless")
    
    player = MediaPlayer()
    player.enqueue(track1)
    player.enqueue(track2)
    player.enqueue(track3)
    player.enqueue(track4)
    player.enqueue(track5)

    player.play()
基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)内容概要:本文介绍了基于实时迭代的数值鲁棒非线性模型预测控制(NMPC)双模稳定预测模型的研究与Matlab代码实现,重点在于通过数值方法提升NMPC在动态系统中的鲁棒性与稳定性。文中结合实时迭代机制,构建了能够应对系统不确定性与外部扰动的双模预测控制框架,并利用Matlab进行仿真验证,展示了该模型在复杂非线性系统控制中的有效性与实用性。同时,文档列举了大量相关的科研方向与技术应用案例,涵盖优化调度、路径规划、电力系统管理、信号处理等多个领域,体现了该方法的广泛适用性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、智能制造等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于解决非线性动态系统的实时控制问题,如机器人控制、无人机路径跟踪、微电网能量管理等;②帮助科研人员复现论文算法,开展NMPC相关创新研究;③为复杂系统提供高精度、强鲁棒性的预测控制解决方案。; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,重点关注NMPC的实时迭代机制与双模稳定设计原理,并参考文档中列出的相关案例拓展应用场景,同时可借助网盘资源获取完整代码与数据支持。
UWB-IMU、UWB定位对比研究(Matlab代码实现)内容概要:本文介绍了名为《UWB-IMU、UWB定位对比研究(Matlab代码实现)》的技术文档,重点围绕超宽带(UWB)与惯性测量单元(IMU)融合定位技术展开,通过Matlab代码实现对两种定位方式的性能进行对比分析。文中详细阐述了UWB单独定位与UWB-IMU融合定位的原理、算法设计及仿真实现过程,利用多传感器数据融合策略提升定位精度与稳定性,尤其在复杂环境中减少信号遮挡和漂移误差的影响。研究内容包括系统建模、数据预处理、滤波算法(如扩展卡尔曼滤波EKF)的应用以及定位结果的可视化与误差分析。; 适合人群:具备一定信号处理、导航定位或传感器融合基础知识的研究生、科研人员及从事物联网、无人驾驶、机器人等领域的工程技术人员。; 使用场景及目标:①用于高精度室内定位系统的设计与优化,如智能仓储、无人机导航、工业巡检等;②帮助理解多源传感器融合的基本原理与实现方法,掌握UWB与IMU互补优势的技术路径;③为相关科研项目或毕业设计提供可复现的Matlab代码参考与实验验证平台。; 阅读建议:建议读者结合Matlab代码逐段理解算法实现细节,重点关注数据融合策略与滤波算法部分,同时可通过修改参数或引入实际采集数据进行扩展实验,以加深对定位系统性能影响因素的理解。
本系统基于MATLAB平台开发,适用于2014a、2019b及2024b等多个软件版本,并提供了可直接执行的示例数据集。代码采用模块化设计,关键参数均可灵活调整,程序结构逻辑分明且附有详细说明注释。主要面向计算机科学、电子信息工程、数学等相关专业的高校学生,适用于课程实验、综合作业及学位论文等教学与科研场景。 水声通信是一种借助水下声波实现信息传输的技术。近年来,多输入多输出(MIMO)结构与正交频分复用(OFDM)机制被逐步整合到水声通信体系中,显著增强了水下信息传输的容量与稳健性。MIMO配置通过多天线收发实现空间维度上的信号复用,从而提升频谱使用效率;OFDM方案则能够有效克服水下信道中的频率选择性衰减问题,保障信号在复杂传播环境中的可靠送达。 本系统以MATLAB为仿真环境,该工具在工程计算、信号分析与通信模拟等领域具备广泛的应用基础。用户可根据自身安装的MATLAB版本选择相应程序文件。随附的案例数据便于快速验证系统功能与性能表现。代码设计注重可读性与可修改性,采用参数驱动方式,重要变量均设有明确注释,便于理解与后续调整。因此,该系统特别适合高等院校相关专业学生用于课程实践、专题研究或毕业设计等学术训练环节。 借助该仿真平台,学习者可深入探究水声通信的基础理论及其关键技术,具体掌握MIMO与OFDM技术在水声环境中的协同工作机制。同时,系统具备良好的交互界面与可扩展架构,用户可在现有框架基础上进行功能拓展或算法改进,以适应更复杂的科研课题或工程应用需求。整体而言,该系统为一套功能完整、操作友好、适应面广的水声通信教学与科研辅助工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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