图的遍历

给出一个图G和其中任意一个顶点V0,从V0出发系统的访问G中所有的顶点,每个顶点访问一次,这叫图的遍历

深度优先搜索(depth-first search)简称DFS

基本思想

  • 访问一个顶点V,然后访问该顶点邻接到的未被访问过的顶点V’
  • 再从V’出发递归地按照深度优先的方式遍历;
  • 当遇到一个所有邻接于它多的顶点都被访问过了的顶点U时,则回到已访问顶点序列中最后一个未被访问的相邻顶点的顶点W;
  • 在从W出发递归地按照深度优先的方式遍历
  • 最后,当任何已被访问过的顶点都未被访问的相邻顶点时,则遍历结束。
    在这里插入图片描述在这里插入图片描述深度优先搜索时间复杂度
  • 对于具有n个顶点e条边的无向图或有向图,深度优先搜索算法对图中每一个顶点至多调用一次DFS函数
  • 邻接矩阵表示图时,共需检查n2个矩阵元素,所需时间为O(n2)
  • 邻接表表示图时,找邻接点需将邻接表中所有边结点检查一遍,需要时间O(e),对应的深度优先搜索算法时间复杂度为O(n+e)

深度优先搜索(breadth-first search)简称BFS

基本思想

  • 访问顶点V0

  • 然后访问顶点V0邻接到的所有未被访问的顶点V1,V2,…,Vi

  • 再依次访问V1,V2,…,Vi邻接道德所有未被访问的顶点

  • 如此进行下去,直到访问遍所有顶点
    在这里插入图片描述在这里插入图片描述
    广度优先搜索时间复杂度

  • 对于具有n个顶点e条边的有向图或无向图,广度优先搜索算法对图中每个顶点至多调用一次BFS函数

  • 邻接矩阵表示图时共需检查n2个矩阵所需时间为O(n2

  • 邻接表表示图时,找邻接点需将邻接表中所有边结点检查一遍,需要时间O(e),对应的广度优先搜索算法的时间复杂度为O(n+e)

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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