面向对象

“”"
一家公司有如下几种岗位:
程序员:底薪 + 项目分红
测试员:底薪 + Bug * 5

创建员工管理器
记录所有员工
提供计算总工资的功能
叙述:
三大特征:
封装:根据需求划分为员工管理器、程序员、测试员
继承:创建员工类,隔离员工管理器与具体员工的变化
多态:员工管理器调用员工,具体员工重写员工的计算薪资方法,添加具体员工对象
(调父) (重写) (创建子类对象)
总结多态步骤:面对变化点,需要使用3步进行处理。
价值(作用):程序灵活(扩展性强 = 开闭原则)
六大原则:
开闭原则:增加员工种类,员工管理器不变.
单一职责:员工管理器:统一管理所有员工(薪资…)
程序员:定义该员工的薪资算法(底薪 + 项目分红)
测试员:定义该员工的薪资算法(底薪 + Bug * 5)
依赖倒置:员工管理器调用员工,不调用程序员/测试员
组合复用:员工管理器通过组合关系,使用各种员工的薪资算法.
里氏替换:向员工管理器添加的是员工子类对象
员工子类先调用员工类计算薪资方法返回底薪,再添加自己的薪资逻辑.
迪米特:每个具体员工类之间低耦合
员工管理器与具体员工之间低耦合

"""

class EmployeeManager:
    def __init__(self):
        self.__list_employees = []

    def add_employee(self, emp):
        self.__list_employees.append(emp)

    def get_total_salary(self):
        total_salary = 0
        for item in self.__list_employees:
            # 调用父类
            total_salary += item.calculate_salary()
        return total_salary

class Employee:
    def __init__(self, base_salary=0):
        self.base_salary = base_salary

    def calculate_salary(self):
        return self.base_salary

# --------------------------
class Programmer(Employee):
    def __init__(self, base_salary=0, bonus=0):
        super().__init__(base_salary)
        self.bonus = bonus

    # 重写
    def calculate_salary(self):
        return super().calculate_salary() + self.bonus

class Tester(Employee):
    def __init__(self, base_salary=0, bug_count=0):
        super().__init__(base_salary)
        self.bug_count = bug_count

    def calculate_salary(self):
        return super().calculate_salary() + self.bug_count * 5


manager = EmployeeManager()
# 创建子类对象
manager.add_employee(Programmer(8000, 20000))
manager.add_employee(Tester(5000, 100))
print(manager.get_total_salary())
(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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