20140406 TCPL 第十二章 派生类

没必要时不重复任何东西。

------------------------------------------

1、要作为基类,那么它必须先定义。

class B;

class A : public B{} 这种形式是错误的。B未定义。


2、类对象的构造是自下而上进行的:首先是基类,然后是成员,再后才是派生类本身,而析构则相反顺序。


3、需要在类层次结构中传递类对象的指针和引用,一个原因是为了避免切割问题(比如子类赋值给父类或者用子类初始化父类)

另一个原因是为了维持多态性和保证效率。


4、一个带有虚函数的类型被称为多态类型,要在C++里取得多态性行为,那么被调用的函数必须是虚函数。而对象则必须通过指针或者引用去操作。

如果不是指针或者引用,那么它的类型在编译时已经可知,也就不需要运行时的多态性。


5、不能创建抽象类的对象。


作者建议:

1、避免类型域

2、用指针和引用避免切割问题。

3、用抽象类去尽可能减少用户代码的重新编译。

4、用抽象使不同的实现能够共存。

5、一个有虚函数的类应该有一个虚析构函数。

6、抽象类通常不需要构造函数。



基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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