Codeforces 523C Name Quest

本文介绍了一种解决字符串匹配问题的算法,通过找出字符串b的特定子串位置,确保了a作为b子串的有效性。算法流程简洁,重点在于定位字符串b中的起始和结束子串位置。

题目链接:http://codeforces.com/problemset/problem/523/C


题意:给出字符串a和字符串b,要求将b分为2半b1和b2,使得a是b1和b2的子串


思路:很简单(当时没想到=),找出字符串b的头个子串a结束的位置和最后一个子串开始的位置,2个位置中间的可以随便切


#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

char s1[1000030],s2[1000030];
int main()
{
    while (cin>>s1>>s2)
    {
        int tem=0,flag1=-1,flag2=-1;
        int l1=strlen(s1),l2=strlen(s2);

        for (int i=0;i<l2;i++)
        {
            if (s1[tem]==s2[i]) tem++;

            if (tem==l1)
            {
                flag1=i;
                break;
            }
        }

        tem=l1-1;
        for (int i=l2-1;i>=0;i--)
        {
            if (s1[tem]==s2[i]) tem--;

            if (tem==-1)
            {
                flag2=i;
                break;
            }
        }
        if (flag2-flag1>0) printf("%d\n",flag2-flag1);
        else printf("0\n");
    }
}


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
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