反转

整数反转

昨天先看了回文串的那道题,真是看不懂,不知道动态规划是怎么用程序实现的,想要单独拿出来一天去学习,最近在上课没有很长的时间去做这个的学习,准备在这周六没课,就把这道题弄会写出来。

接下来,把昨天后来当做补救做的一道简单级别的题目进行总结:
整数反转,首先整数有负整数、和非负整数之分,对于非负整数我们只需要不断地取余加上原来结果乘10,不断循环就可以得到相应的答案。

int yu = x % 10;
res = res * 10 + yu;
x /= 10;

那负数的话最简单的就先判断给定数的符号,用一个标志符号sign来表示数字的正负,再对原来的x取绝对值,然后在最后乘上符号就行

//判断符号
int sign = x > 0 ? 1 : -1;
//取绝对值
x = abs(x);
//结果乘上符号位
res = res * sign;

判断结束之后我们可以看到题目中给的条件,他说假设我们环境只能存储得下32位的有符号整数,那么数字的最小值为(-2)^31,他的最大值就是2的31次方-1;32位的话应该是int类型的数字,所以有

int min = 0x80000000;
int max = 0x7fffffff;

如果溢出,那么出来的数就应该为0,加一个简单的判断即可
整体程序如下:

int min = 0x80000000;        
int max = 0x7fffffff;        
int sign = x > 0 ? 1 : -1;        
long res = 0;          
x = abs(x);           
while(x > 0){            
	int yu = x % 10;            
	res = res *10 + yu;            
	x /= 10;        
}        
res = res * sign;         
if(res < min || res > max){             
	res = 0;         
}        
return res;
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
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