0806总结

0806

静态初始化二维数组
数据类型 [][]  数据的名称 = {{30,40,60},{40,69,70}};

面向对象

面向过程开发:实现某个功能,注重的是步骤,每一步都需要亲力亲为。例如:自己手洗衣服(脱衣服、拿桶、加洗衣液、…)
面向对象开发:实现某个功能,不注重过程过程与步骤,只需要结果,是找个有帮助的人去做。(买一台洗衣机,只要把衣服放进洗衣机【洗衣机即为对象】)

面向对象的好处:把复杂的问题简单化;由执行者变成指挥者;便于代码的扩展与维护。

三大特征:封装、继承、多态
面向对象和面向过程开发都不可以少,二者相辅相成

类与对象

类:抽象的,用于描述一种事物
成员属性:年龄、性别、姓名(名词)
成员方法:吃饭、打电话、发短信(动词)

对象:具体的表现形式
类与对象的关系:类是对象的抽象;对象是类的具体

定义一个类
public class Student {
    //成员属性:数据类型+变量。
    String name;
    int age;
    //成员方法
    public void eat(){
        System.out.println("正在吃猪脚饭!");
    }
    public void study(){
        System.out.println("学习java,从入门到劝退!");
    }
}

注意点:
成员属性都写在类里,不可写在方法里
成员方法要把关键字 static 去掉

以引用数据类型作为返回值或者参数,传递的都是内存地址

匿名对象

一次性的对象,没有名字的对象;如:new Student()
特点
栈内存里没有其地址,但是会在堆内存里开辟空间
该对象使用完即刻销毁,节省内存空间
使用情况
一般作为方法的参数使用,如:

getStudent (new Student());

也可以直接调用其类里的方法,如:

new Student().study();

匿名对象给成员变量赋值没有任何意义

局部变量和成员变量的区别

定义
局部变量:方法里的变量,也包含方法里的参数
成员变量:类下面的变量
位置
局部变量:放在方法里
成员变量:放在类下面
生命周期
局部变量:随着方法的开始而开始,随着方法的结束而结束
成员变量:随着对象的创建而开始,随着对象的回收而结束(垃圾回收器)
存储位置
局部变量:存在栈里
成员变量:存在堆里
默认值
局部变量:无默认值
成员变量:有默认值

属性私有化

私有的关键字:private。加上关键字后,只能本类访问
私有化的好处:隐藏内部细节,保护数据安全,防止数据错误。
提供两个对外的方法:
setXXX()赋值

public void setName(String mingzi ){
    name=mingzi;
}

getXXX() 取值

public String getName(){
    return name;
}

可以对属性方法接口私有化
私有化是一种简单的封装。

this 的使用

本类的对象引用,即谁调用了这个方法,这个对象就是谁
this.变量
获取的都是成员变量,若用 this 调用方法,这个方法肯定是成员方法
在一个方法里面,局部变量的作用域优先于成员变量

封装

优点
隐藏内部代码实现的细节
可实现代码的重用性
提高代码的可维护性

属性的封装:私有化属性;给相应的 get set方法
快捷键
get、set方法快捷键:Alt+Inse

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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