js中的原型链

本文详细解释了JavaScript中__proto__和prototype的区别与联系,通过实例展示了如何通过__proto__实现继承和方法查找的过程。

 prototype__proto__怎么回事

其实只要记住一句话:对象的__proto__等于创建这个对象的构造函数的prototype

var Person = function () { };
var p = new Person();
alert(p.__proto__ === Person.prototype); //true

那么 __proto__是什么呢?

每个对象都会在其内部初始化一个属性,也就是__proto__,当我们访问一个对象的属性时,如果这个对象内部不存在这个属性,那么它就会去__proto__里找这个属性,这个属性又会有自己的__proto__,于是就这样一直找下去,这就是我们平时所说的原型链的概念。

下边看一个简单的例子

var Person = function () { };
Person.prototype.Say = function () {
    alert("Person say");
}
var p = new Person();
p.Say();

首先 var p = new Person(); 于是得到 p.__proto__ = Person.prototype。那么当我们调用 p.say()时,首先p中没有Say这个属性,于是他就需要到它的__proto__中去找,也就是Person.prototype,而我们在上边定义了 Person.prototype.Say=function(){}; 于是,就找到了这个方法。

看一个有重量的例子:

var Person = function () { };
Person.prototype.Say = function () {
  alert("Person say");
}
Person.prototype.Salary = 50000;

var Programmer = function () { };
Programmer.prototype = new Person();
Programmer.prototype.WriteCode = function () {
    alert("programmer writes code");
};

Programmer.prototype.Salary = 500;

var p = new Programmer();
p.Say();
p.WriteCode();
alert(p.Salary);

好好看看这张图

附图一张


image

文字说明:

var p = new Programmer(); 得到 p.__proto__=Programmer.prototype;
Programmer.prototype=new Person();

将上述式子拆开,可以得到以下结论:

var p1=new Person();
Programmer.prototype=p1;
//于是由
p1.__proto__=Person.prototype;
// 得到
Programmer.prototype.__proto__=Person.prototype;
//又由于
p.__proto__=Programmer.prototype;
//所以 
p.__proto__.__proto__=Person.prototype;

好好分析 来看上面的结果,p.Say()。由于p没有Say这个属性,于是去p.__proto__,也就是 Programmer.prototype,也就是p1中去找,由于p1中也没有Say,那就去p.__proto__.__proto__,也就是 Person.prototype中去找,于是就找到了alert(“Person say”)的方法。

其余的也都是同样的道理。

这也就是原型链的实现原理。
最后,其实prototype只是一个假象,他在实现原型链中只是起到了一个辅助作用,换句话说,他只是在new的时候有着一定的价值,而原型链的本质,其实在于__proto__

还是那句话: 一个对象的__proto__等于创建该对象的构造函数的prototype,然后就像用数学式子推导一下,列出以一堆__proto__链子,一直顺着__proto__链子找下去即可。记住下边的例子

var Person = function () { };
var p = new Person();
alert(p.__proto__ === Person.prototype); //true
【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析与字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理与实现方法;②将其应用于旋转机械的轴承故障特征提取与智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程与多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验与算法优化。
【硕士论文复现】可再生能源发电与电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电与电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型与算法,探讨可再生能源(如风电、光伏)与大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码与仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网与智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发与仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论与实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑与优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
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