小河学习日记--图

本文深入解析图数据结构,包括无向图与有向图的概念,简单图、稀疏图及稠密图的区别,以及连通图与强连通图的定义。探讨了顶点与边的关系,如顶点的度、路径长度等,并介绍了图的存储方式,邻接矩阵与邻接表的特点。

元素之间存在多对多的关系(线性表的元素存在前驱和后继,树的元素之间存在父子关系,图任意元素之间都有可能存在关系)
是由顶点的有穷非空集合和顶点之间边的集合组成。
在图形数据结构中,数据被称为顶点,数据之间的关系被称为边
在图中不允许出现没有点,但可以没有边。
G(V,E) V表示顶点集合,E表示边的集合
各种图的定义:
无向图:顶点与顶点之间没有方向,这种边称为无向边,边用无向序偶对表示(v,v1). V={A,B,C,D} E={(A,B),(B,C,).(C,D),(D,A),(A,C)},在无向图中,如果任意两个顶点都存在边,这种图称为无向完全图。
有向图:若顶点之间有方向,这种边称为有向边,也叫弧,用有序偶对表示<v,v1>,v1叫弧头,v叫弧尾。
在有向图中任意两个顶点之间,都存在方向相反的两条弧,这种图叫有向完全图。
注意:如不存在顶点到自身的边,也不存在重复出现的边这种图叫简单图,数据结构中讨论的就是简单图。
稀疏图:图中有很少边或弧的叫稀疏图,反之叫稠密图
如果图中的边或弧有相关数据,数据称为权,这种图叫网(带权图)。
如果G(v,E)和G1(v1,E1),存在V>=V1且E>=E1,那么G1是G的子图。
顶点与边的关系:
顶点的度:指的是相关联的边或弧的数,有向图又分为出度(该顶点到其他顶点的弧的数目)和入度(其他顶点到该定点的数目)。
顶点序列:从一个顶点到另一个顶点的路径,路径长度指的是路径上的边或弧的数目。
联通图的相关术语:
在无向图中,在顶点v到v1之间有路径,则称v到v1之间是联通的,任意两个顶点都是连通的,成这种图为连通图。
无向图种的极大连通子图称为连通分量
1.必须是子图
2.子图必须是连通的
3.联通子图含有极大的顶点数。

	有向图中,任意顶点之间都存在路径,这种图叫强连通图。极大连通子图叫强连通分量
	在有向图中如果有一个顶的入度为0,其他顶点入度军为1,这是一颗有向树

图的存储结构
图的存储主要是两个方面:顶点,边
邻接矩阵:一个一维数组(顶点)和一个二维数组(边,弧)
优点:容易判定两点之间是否有边,容易计算出度和入度。容易统计阾接点
缺点:如果存储稀疏图,非常浪费存储空间。
阾接表:由顶点表,边表组成
顶点表:
顶点 阾接点地址/下标
优点:节省空间,容易计算出度。
缺点:不方便计算入度。

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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