二叉树的创建&&遍历

#include<iostream>
#include<cstring>
#include<cmath>
#include<algorithm> 
#include<queue>
using namespace std;
typedef struct Tree{
	int data;
	struct Tree* left;
	struct Tree* right;
}Tree,*Bin;
int flag=1;
Bin pre_Create(){
	Bin T;
	int n;cin>>n;
	if(n==0) T=NULL;
	else{
		T=(Bin)malloc(sizeof(Tree));
		T->data =n;
		T->left =pre_Create();
		T->right =pre_Create();
	}
	return T;
}

void pre_Traverse(Bin T){
	if(T){
		if(flag==0) cout<<" ";
		cout<<T->data ;
		flag=0;
		pre_Traverse(T->left );
		pre_Traverse(T->right);
	}
}

//层序创建或者层序遍历的时候,用到队列 
Bin ceng_Create(){
	Bin T,BT;
	int data;
	queue<Bin>Q;
	cin>>data;
	if(data==0) return NULL;
	else{
		BT=new Tree();
		BT->data =data;
		BT->left =BT->right =NULL;
		Q.push(BT);
	}
	
	while(!Q.empty() ){
		T=Q.front();
		Q.pop();
		cin>>data;
		if(data==0) T->left =NULL;
		else{
			T->left =new Tree();
			T->left ->data=data;
			T->left ->left=T->left ->right=NULL;
			Q.push(T->left);
		}
		
		cin>>data;
		if(data==0) T->right =NULL;
		else{
			T->right =new Tree();
			T->right ->data=data;
			T->right ->left=T->right ->right=NULL;
			Q.push(T->right);
		}
	}
	return BT;
}

void ceng_Traverse(Bin BT){
	queue<Bin>Q;
	Bin T;
	if(!BT) return;
	Q.push(BT);
	while(!Q.empty() ){
		T=Q.front() ;
		Q.pop();
		cout<<T->data <<endl;
		if(T->left ) Q.push(T->left );
		if(T->right ) Q.push(T->right );  
	} 
}

void test01(){
	Bin T=pre_Create();
	pre_Traverse(T);
}

void test02(){
	Bin T=ceng_Create();
	ceng_Traverse(T);
}

int main(){
//	test01();
	test02();
	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
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