dynamic_cast与static_cast使用

dynamic_cast与static_cast用于子类与基类之间的转换。

首先dynamic_cast:

 1 #include <iostream>
 2 using namespace std;
 3 class A{
 4     public:
 5         virtual ~A(){} //使用dynamic_cast时,必要!
 6 };
 7 class B:public A{
 8     public:
 9         B(){
10             m_b=12;
11         }
12         void foo(){
13             cout<<"B: "<<m_b<<endl;
14         }
15     private:
16         int m_b;
17 };
18 int main()
19 {    
20     A *a=new B();
21     B *b=dynamic_cast<B*>(a);
22     b->foo();
23     delete a;
24     return 0;
25 }

上面没有virtual ~A(){},编译时会报错:(source type is not polymorphic)。

static_cast:

 1 #include <iostream>
 2 using namespace std;
 3 class A{
 4     public:
 5         A():m_a(32){}
 6         void foo(){
 7             cout<<"A: "<<m_a<<endl;
 8         }
 9         void setA(int a){
10             m_a=a;
11         }
12     private:
13         int m_a;
14 };
15 class B:public A{
16     public:
17         B(){
18             m_b=12;
19             setA(13);
20         }
21         void foo(){
22             cout<<"B: "<<m_b<<endl;
23         }
24     private:
25         int m_b;
26 };
27 int main()
28 {    
29     A *a=new B();
30     B *b=static_cast<B*>(a);
31     A *aa=static_cast<A*>(b);
32     b->foo();
33     aa->foo();
34     delete a;
35     return 0;
36 }

打印a、b、aa地址,可知地址一样。

转载于:https://www.cnblogs.com/wuchaofan/p/3378170.html

【EI复现】基于深度强化学习的微能源网能量管理优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能其他优化算法进行对比分析以验证有效性。研究属于电力系统人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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