19. Remove Nth Node From End of List

博客介绍了链表删除节点的方法,先可遍历链表确定长度并定位待删节点前一节点。若要求只遍历一遍,可采用双指针(快慢指针)法,让快指针先移N步,快慢指针再一起移动。双指针算法能解决链表环、多链表公共节点等问题,降低时间成本。

第一步先遍历一遍链表,确定链表的长度;接着定位待删除节点的前一个节点。

class Solution 
{
public:
    ListNode* removeNthFromEnd(ListNode* head, int n) 
    {
        int lenth=0;
        ListNode *p=head;
        while(p!=NULL)
        {
            lenth++;
            p=p->next;
        }  //get the lenth of the linklist
        
        if(n==lenth)
            return head->next;
        else
        {
            int flag=1;
            ListNode *link=head;
            //ListNode *list=link;
            while(flag!=(lenth-n))
            {
                flag++;
                link=link->next;
            } //point to the pre-node of the node-todeleted 
            
            link->next=link->next->next;
            return head;
        }
    }
};

实际上,如果题目要求只遍历一遍链表,那么可采用双指针(快慢指针)的左法,即为:分别定义一个快、慢指针,让快指针先移动N步,接着快慢指针一起移动,当快指针到达链表尾端时,慢指针恰好处于待删除节点的上一个节点。

PS:在处理链表问题中,往往对链表的遍历次数有要求,对于该类问题,较为通用的解决办法就是使用双指针的算法,可以有效解决诸如发现链表环,找到多链表公共节点等问题,可以降低一定的时间成本。

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