hdu1272小希的迷宫

//代码含全角空格
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
const int N=100005;//考虑同一连通图中有圈(不为树),图不连通(森林)
int root=0,n,m,fa[N],vis[N];
void inti(){
    for(int i=1;i<=N;i++){
        fa[i]=i;
    }
}
int find(int x){
    while(x!=fa[x]) x=fa[x]=fa[fa[x]]; return x;
}
void merge(int x,int y){
        if(find(x)==find(y)){
            root=2;
            return ;
        }
        fa[find(y)]=find(x);
}
int main()
{
    inti();
    int maxn=0;
    while(scanf("%d%d",&n,&m)==2&&n!=-1&&m!=-1){
        if(!n||!m){
            for(int i=1;i<=maxn;i++){
                if(fa[i]==i&&vis[i])root++;
            }
            if(maxn==1||!maxn){cout<<"Yes"<<endl;continue;}
            if(root!=1)cout<<"No"<<endl;
            else cout<<"Yes"<<endl;
            inti();
            root=maxn=0;
            memset(vis,0,sizeof(vis));
        }
        else{
            maxn=max(maxn,n);
            maxn=max(maxn,m);
            vis[n]=vis[m]=1;
            merge(n,m);
        }
    }
    return 0;
}

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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