好玩又好用的逻辑推理(3)

本文通过编程模拟一种猴子淘汰游戏,猴子们围成一圈并按编号顺序被逐个淘汰,直至选出唯一的大王。示例代码使用PHP实现,展示了递归函数如何跟踪淘汰过程。

试题名称

一群猴子排成一圈,按1,2,…,n依次编号,然后从第一个开始数,数到第m只,把它踢出圈,从它后面再开始数,再数到第m只,再把它踢出去,……。如此不停的进行下去,直到最后只剩下一只猴子为止,那只猴子就叫做大王。要求编程模拟此过程,输入m,n,?输出最后那个大王的编号。

 

试题答案

看了有点蒙圈的小伙伴们,来看看正确答案吧

 

 

function king($monkeys , $m , $i = 0){
    $number = count($monkeys);
    $num = 1;
    if(count($monkeys) == 1){
        echo $monkeys[0]."成为猴王了";
        return;
    } else {
        while($num++ < $m){
            $i++ ;
            $i = $i % $number;
        }
        echo $monkeys[$i]."的猴子被踢掉了";
        array_splice($monkeys , $i , 1);
        king($monkeys , $m , $i);
    }
}
$m = 3;
$n = 10;
//monkeys的编号
for($i = 0;$i < $n;$i++){
    $monkeys[] = $i+1;
}
king($monkeys , $m);


 

 

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