143. Reorder List

本文介绍了一种链表处理算法,该算法首先定位链表的中间节点,并将其后半部分进行反转,然后将反转后的部分重新整合到原链表中,以此达到特定的排序效果。

先找到链表中心节点,反转后半段,随后将后半段插入前半段。

/**
 * Definition for singly-linked list.
 * struct ListNode {
 *     int val;
 *     ListNode *next;
 *     ListNode(int x) : val(x), next(NULL) {}
 * };
 */
class Solution {
public:
    void reorderList(ListNode* head) {
        ListNode *p=head,*q=head;
         if(!q||!q->next)
            return;
        q=q->next;
        q=q->next;
        while(q)
        {
            p=p->next;
            q=q->next;
            if(q==NULL)
            {
                break;
                p=p->next;
            }
            q=q->next;
        }
        ListNode *mid=p;
        
        ListNode*move=mid->next;
        ListNode *end=move;
        int temp=1;
        while(move)
        {
            if(temp)
            {
                temp--;
                move=move->next;
            }
            else
            {
                end->next=move->next;
                
                move->next=mid->next;
                mid->next=move;
                
                move=end->next;
                
            }
        }
        
        ListNode* mov=mid->next; 
        ListNode *link=head;
        mid->next=NULL;
        while(mov)
        {
            ListNode *node=new ListNode(0);
            node->val=mov->val;
            node->next=link->next;
            link->next=node;
            
            mov=mov->next;
            link=node->next;
         
        }
    }
};

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