刷题5

这篇博客探讨了字符串相乘的算法实现,通过翻转字符串并逐位相加,然后处理进位,得到乘积。同时,介绍了螺旋矩阵的遍历方法,按照螺旋顺序填充矩阵元素。此外,还讲解了如何实现链表的旋转,通过计算链表长度和旋转次数,高效地调整链表结构。

16、字符串相乘

class Solution:
    def multiply(self, num1, num2):
        num1 = num1[::-1]
        num2 = num2[::-1]
        length1 = len(num1)
        length2 = len(num2)
        temp = [0 for __ in range(length1 + length2)] 
        for i in range(len(num1)):
            for j in range(len(num2)):
                temp[i+j] += int(num1[i]) * int(num2[j])
        print temp
        list_ = []
        for i in range(len(temp)):
            digit = temp[i] % 10 
            carry = temp[i] / 10  
            if i < len(temp)-1:
                temp[i+1] += carry
            list_.insert(0, str(digit)) 
        while list_[0] == '0' and len(list_) > 1:
            list_.pop(0)
        return ''.join(list_)

20、螺旋矩阵

class Solution:
    def spiralOrder(self, matrix):
        res=[]
        m=len(matrix)
        if m==0:
            return res
        else:
            n=len(matrix[0])
            if n==0:
                return res
        count=(m+1)//2
        k=0
        su=m*n
        cc=0
        while k<count and cc<su:
            for i in range(k,n-k):
                res.append(matrix[k][i])
                cc+=1
            for i in range(k+1,m-1-k):
                res.append(matrix[i][n-1-k])
                cc+=1
            if k!=m-1-k:
                for i in range(k,n-k):
                    res.append(matrix[m-1-k][n-1-i])
                    cc+=1
            if k!=n-1-k:
                for i in range(k+1,m-1-k):
                    res.append(matrix[m-1-i][k])
                    cc+=1
            k+=1
        return res

21、旋转链表

class Solution:

    def rotateRight(self, head: ListNode, k: int) -> ListNode:

        if not head:

            return None

        length = 0

        index = head

        while index.next:

            index = index.next

            length += 1

        index.next = head

        length = length + 1

        k = k % length

        for i in range(length - k):

            head = head.next

            index = index.next

        index.next = None

        return head

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,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
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