面向对象编程之类/对象

一、类/对象解说

         万物皆为对象,每个人类都是一个对象,面向对象的核心就是,让对象帮我们实现功能
  • 对象:具有一定功能和特征的单个事物,就是对象
  • 类:具有相同功能的特征的对象的抽象,就是类
  • 类与对象的关系:对象是类的实例化,类是对象的抽象化。

二、定义类与对象实例化

定义类时以class开头定义类,类名的首字母要求大写

class School{
     //成员属性
     //成员方法
}
//使用new运算符,实例化一个类的对象,如:
$hxsd=new School();
//使用instanceof判断$hxsd是否是School的实例
$bool=$hxsd instanceof School;
var_dump($bool);

三、类的成员

1、成员属性:

  1. 必须使用3P(public protected private)修饰符进行修饰
  2. 可以用static修饰为静态,静态属性不会随对像实例销毁。
  3. 可以没有初始值
  4. 初始值不能为资源型和对象型。
  5. 初始值不能为变量或函数调用
  6. 成员属性不能重复定义

2、成员方法:

  1. 必须使用3p修饰符进行修饰
  2. 可以没有形参、返回值与程序体

3、修饰符

3.1 访问修饰符(3p)

  • public 公共的

  • protected 受保护的

  • private 私有的
    3.2 额外修饰符

  • static 静态:可以不new实例,直接通过类::方法 类::属性的调试。<br>静态方法不能调用非静态属性(需先实例化对象)

  • final 最终:修饰的类不能被继承,修饰的方法不能被重写

  • abstract 抽象:定义抽象类

4、类常量

  1. 类中始终保持不变的值定义为常量,类中方法不可更改它的值
  2. 类常量可以使用类名或类的实例,用 **:😗*来访问
  3. 类的常量属于类的本身,不能被子类继承或覆盖。
  4. 不能使用表示变量的符号$,全部不写。

4.1 注意

  1. 使用class关键字定义一个类,类名的首字母要求大写
  2. 使用get_class_methods(),可以查看类中定义的方法
  3. 类常量可以直接访问
  4. 类中能包含成员属性、成员方法、类常量
  5. 类中成员属性和成员方法的位置可以互换,建议成员属性在前,成员方法在后。

5、变量和函数在类的内部和在类的外部的区别

       5.1    变量在类的内部叫做属性,在类的外部叫做变量;
       5.2    函数在类的内部叫做方法,在类的外部叫做函数。

今天就总结到这里吧,下期再见!

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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