double dispatch



#include <QtCore/QCoreApplication>
#include <QDebug>


class Vehicle
{
public:
virtual double GetBaseDiscountRate(){
return 0.03;
}
};


class Benz : public Vehicle
{
public:
virtual double GetBaseDiscountRate(){
return 0.06;
}
};


class Sales
{
public:
virtual double GetDiscountRate(Vehicle& v)
{
return v.GetBaseDiscountRate();
}


virtual double GetDiscountRate(Benz& v)
{
return v.GetBaseDiscountRate();
}
};


class SalesManager : public Sales
{
public:
virtual double GetDiscountRate(Vehicle& v)
{
return v.GetBaseDiscountRate();
}


virtual double GetDiscountRate(Benz& v)
{
return v.GetBaseDiscountRate() * 1.1;
}
};




int main1(int argc, char *argv[])
{
QCoreApplication a(argc, argv);


Vehicle& v = Vehicle();
Vehicle& b = Benz();


Sales *pSales = new Sales();
qDebug() << pSales->GetDiscountRate(v) << ":" << pSales->GetDiscountRate(b);


Sales *pSales1 = new SalesManager();
qDebug() << pSales1->GetDiscountRate(v) << ":" << pSales1->GetDiscountRate(b);


return a.exec();
}


class Vehicle_R {
public:
virtual double GetBaseDiscountRate() {
return 0.03;
}


virtual double GetManagerDiscountRate() {
return 0.06;
}
};


class Benz_R : public Vehicle_R {
public:
virtual double GetBaseDiscountRate() {
return 0.06;
}


virtual double GetManagerDiscountRate() {
return 0.066;
}
};


class Sales_R {
public:
virtual double GetBaseDiscountRate(Vehicle_R& v)
{
return v.GetBaseDiscountRate();
}
};


class ManagerSales_R : public Sales_R {
public:
virtual double GetBaseDiscountRate(Vehicle_R& v)
{
return v.GetManagerDiscountRate();
}
};


int main(int argc, char* argv[])
{
QCoreApplication a(argc, argv);


Vehicle_R& v = Vehicle_R();
Benz_R& benz = Benz_R();


Sales_R *pSales = new Sales_R();
ManagerSales_R *pManager = new ManagerSales_R();


qDebug() << pSales->GetBaseDiscountRate(v);
qDebug() << pSales->GetBaseDiscountRate(benz);


qDebug() << pManager->GetBaseDiscountRate(v);
qDebug() << pManager->GetBaseDiscountRate(benz);


return a.exec();
}
内容概要:本文介绍了一种利用遗传算法优化BP神经网络进行回归预测的方法,并提供了完整的MATLAB程序代码。主要内容包括数据预处理、遗传算法与BP神经网络的结合、适应度函数的设计以及最终的预测结果展示。文中详细解释了如何将Excel格式的数据导入MATLAB并进行归一化处理,如何定义适应度函数来优化BP神经网络的参数(如激活函数和学习率),并通过遗传算法找到最优解。实验结果显示,在某工业数据集上,经过遗传算法优化后的BP神经网络预测精度显著提高,从原来的0.82提升到了0.91。此外,还提到了一些实用技巧,比如调整遗传代数、修改激活函数等方法进一步改进模型性能。 适合人群:对机器学习有一定了解的研究人员和技术爱好者,特别是那些希望深入了解遗传算法与BP神经网络结合应用的人士。 使用场景及目标:适用于需要快速构建高效回归预测模型的场景,尤其是当传统BP神经网络无法达到预期效果时。通过本篇文章的学习,读者能够掌握一种有效的优化手段,从而提高模型的泛化能力和预测准确性。 其他说明:代码可以直接应用于新的数据集,只需确保数据格式符合要求(Excel格式)。对于想要深入探索或改进现有模型的人来说,还可以尝试更换不同的激活函数或其他调节方式来获得更好的表现。
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