hash函数

#include<iostream>
#include<stdlib.h>
#include<stdio.h>
#include<string.h>
using namespace std;
char *key[32]= {"auto","break","case","char","const",
                "continue","default","do","double",
                "else","enum","extern",
                "float","for","goto","if","int","long",
                "register", "return", "short",
                "signed","sizeof","static", "struct","switch",
                "typedef","union","unsigned",
                "void","volatile","while"
               };

    int index[32];
    char *HASH[253];
int  hash(char *string)
{
    int i=1;
    int ix = 0;
    for(; *string; string++)
    {
        ix =ix + i*(*string);
        i++;
    }
    ix = ix%253;
    return ix;
};
void create()
{
     int i;
    for(i=0; i<=252; i++)
    {
        HASH[i]="";
    }
    for(i=0; i<32; i++)
    {
        index[i] = hash(key[i]);
        HASH[index[i]] = key[i];
    }

}
int findkey(char * str)
{

    if(strcmp(str,HASH[hash(str)])!=0)
        return 0;
    else
        return 1;
};

int main()
{
    cout<<"关键字的哈希值为:"<<endl;
    int i;
    for(i=0; i<32; i++)
    {
        cout<<hash(key[i])<<"\t";
        if(i!=0&&i%5==0)
            cout<<endl;
    }
    cout<<endl;

    char string[20]= {0};
    create();
    int choice;
     cout<<"请输入你的选择:1,查找关键字;,-1退出查找:"<<endl;
    cin>>choice;
    while(choice!=-1)
    {


        if(choice == 1)
        {
            cout<<"请输入你要查找的关键字:"<<endl;
            cin>>string;

            if(findkey(string))
                cout<<"你所输入的字符串是关键字"<<endl;
            else
               {
                   cout<<"你所输入的字符串不是关键字"<<endl;
                   cout<<"请输入你的选择:1,查找关键字;,退出查找:"<<endl;
               }

        }
        cin>>choice;
    }

    return 0;
}

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 2
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