【LeetCode】7. Reverse Integer

本文提供三种不同的解决方案实现LeetCode题目7.Reverse Integer,通过不同的技巧处理整数反转过程中的溢出问题,包括检查溢出前的结果、结果还原判断及使用int64_t类型。

7. Reverse Integer:https://leetcode.com/problems/reverse-integer/description/

【runtime = 12ms】

hint:新结果赋值前检查是否overflow,原理是“result*10+x%10>max”,但注意不等式两边都不能overflow

class Solution {
public:
    int reverse(int x) {    
        int result = 0;
        while(x!=0)
        {
            int tmp = x%10;
            if(result>0 && result > (INT_MAX - tmp)/10)
            {
                return 0;
            }
            
            if(result<0 && result< (INT_MIN-tmp)/10)
            {
                return 0;
            }
            
            result = result*10+tmp;
            x/=10;
        }
        return result;
    }
};

【runtime = 8ms】

hint:赋值后,还原,值不同,overflow

            while (x != 0) {
                temp = result*10 + x % 10;
                if (temp % 10 != x % 10) {
                    // overflow
                    return 0;
                } else {
                    result = temp;
                }
                x = x / 10;
            }

【runtime = 4ms】

hint:int64_t,(ORZ,这真的不算耍赖嘛)

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