c - linkedlist

本文介绍了一个C语言实现的有序链表数据结构,该链表能够存储不重复的整数,并保持元素的升序排列。文章提供了`add`函数用于向链表中添加新的元素,并通过`printll`函数展示链表的内容及元素数量。

c - linkedlist

 

store ordered number in linkedlist, no repeat.

 

 

code:

    linkedlist_test.c:

 

#include <stdio.h>
#include <stdlib.h>

extern struct linkedlist {
	int num;
	struct linkedlist *pnext;
};

/**
 * add a num to ordered linkedlist, if it not exists yet,
 * 
 * @param num
 * 	the number to add
 * @param start
 * 	start of the linkedlist
 * 
 * @return
 * 	the start
 */
struct linkedlist *add(int num, struct linkedlist *start) {
	if(start == NULL) {
		start = (struct linkedlist *) malloc(sizeof(struct linkedlist));
		start->num = num;
		start->pnext = NULL;
	} else if((start->num) < num) {
		start->pnext = add(num, start->pnext);
	} else if((start->num) > num) {
		struct linkedlist *old_start = start;
		start = (struct linkedlist *) malloc(sizeof(struct linkedlist));
		start->num = num;
		start->pnext=old_start;
	}
		
	return start;
}

/**
 * print the linkedlist
 * 
 * @param start
 * 	start of the linkedlist
 * @param count
 	used to count elements
 */
void printll(struct linkedlist *start, int count){
	if(start != NULL) {
		count++;
		printf("%d, ",start->num);
		printll(start->pnext, count);
	} else {
		printf("\ntotal: %d\n",count);	
	}
}


int main() {
	int nums[] = {5,3,9,2,100,4,23,2,6,19,17,11,41,100,9,6,19}, i, n, count;
	struct linkedlist *start = NULL;
	n = sizeof(nums) / sizeof(nums[0]);
	for(i=0;i<n;i++) {
		start = add(nums[i], start);
	}
	count = 0;
	printll(start, count);
	return 1;
}
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
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