黑马训练营java学习笔记:反射

本文详细介绍了Java反射机制的概念、功能及应用场景,包括如何通过不同方式获取Class对象、使用反射生成对象以及调用方法等。

反射的概念:

JAVA反射机制是在运行状态中,对于任意一个类,都能够知道这个类的所有属性和方法;对于任意一个对象,都能够调用它的任意一个方法和属性;这种动态获取的信息以及动态调用对象的方法的功能称为java语言的反射机制。

反射的功能:

运行时判断任意一个对象所属的类;在运行时构造任意一个类的对象;在运行时判断任意一个类所具有的成员变量和方法;在运行时调用任意一个对象的方法;生成动态代理。

反射的类:

java.lang.Class;                
java.lang.reflect.Constructor; java.lang.reflect.Field;        
java.lang.reflect.Method;
java.lang.reflect.Modifier;

反射的方法都可以从这几个类查询。

通过反射查看类信息的方法:

Java程序中的许多对象在运行时都会出现两种类型:编译时类型和运行时类型,Person p = new Student();此时,编译时类型为Person,运行时类型为Studnet,这时在程序需要在运行时发现对象和类的真实信息,就需要运用到反射。

1.如何获得对象:

(1)使用Class类的forName静态方法:该方法需要传入字符串参数,该字符串参数的值是某个类的全限定类名(必须添加完整包名)

代码演示如下:

Class a1 = Class.forName(“com.reflection.Test”);

(2)调用某个类的class属性来获取该类对应的Class对象。

代码如下:

Class a2 = Test.class;

(3)调用某个对象的getClass()方法,该方法是java.lang.Object类中的一个方法,所以所有的Java对象都可以调用此方法,该方法会返回该对象所属类对应的Class对象。

代码如下:

Test t = new Test();

Class a3 = t.getClass();

对于第一种方式和第二种方式都是直接根据类来取得类该类的Class对象,相比之下,第二种方式有如下两种优势:

(1)代码安全,程序在编译阶段就可以检查需要访问的Class对象是否存在。

(2)程序性能更好,因为这种方式无需调用方法。

使用反射生成并操作对象

Class对象可以获得该类里的方法,构造器,成员变量,这三个类都位于java.lang.reflect包下,并实现了java.lang.reflect.Member接口,程序可以通过Method对象来执行对应的方法,通过Constructor对象来用对应的构造器创建实例,通过Field对象直接访问并修改对象的成员变量。

创建对象

使用Class对象的newInstance()方法来穿件Class对象的实例,这种方式要求Class对象有默认的构造器,而执行newInstance()方法时实际上是利用默认构造器来创建该类的实例

代码如下:

Class a1 = Class.forName(“com.reflection.Test”);

Object o =a1.newInstance();

调用方法

当获得某个类对应的Class对象后,就可以通过Class对象的getMethods()方法或者getMethod()方法来获得全部或某个方法,这两个方法的返回值是Method数组,或者Method对象。

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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