归并排序

       归并排序是将两个已经排序好的序列合并为一个已排序的序列,其操作步骤如下:

        1. 创建一个长度为两个序列长度之和的空间;

        2. 使用两个指针分别指向两个序列的起点;

        3. 比较两个指针所在位置的值,将较小的值依序放入新分配的空间;

        4. 当一个序列遍历完毕,将另一个序列剩下的数据全部依序摆入分配的空间;

 

        代码如下:

   

private int[] mergeSort(int[] s1, int[] s2){
    if(s1 == null && s2 != null){
        return s2;
    }

    if(s1 != null && s2 == null){
        return s1;
    }

    if(s1 == null && s2 == null){
        return new int[0];
    }
    int[] s3 = new int[s1.length + s2.length];
    int i=0;
    int j=0;
    while(i<s1.length && j<s2.length){
        if(s1[i] < s2[j]){
            s3[s3.length] = s1[i++];
        }else if(s1[i] == s2[j]){
            s3[s3.length] = s1[i++];
            s3[s3.length] = s2[j++];
        }else{
            s3[s3.length] = s2[j++];
        }
    }

    mergeRest(s1, i, s3);
    mergeRest(s2, j, s3);
    

}

private void mergeRest(int[] s, int index, int[] t){
    for(;index < s.length; index++){
        t[t.length] = s[index];
    }
}

 

 

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