java 泛型小结

本文深入探讨了Java中的泛型技术,包括泛型类、泛型方法、类型变量限制、泛型通配符以及泛型的擦除等关键概念,并通过实例展示了如何在实际开发中灵活运用泛型增强程序的灵活性。

java中的泛型技术,使得对象类型不在是固定的,而是可以作为参数来指定,比较常用的代码如下

List<Integer> ls=new ArrayList<Integer>()
没有泛型时List默认装载的是Object类对象,所以在取出元素的时候需要强制类型转换成为元素本身的类型。

使用泛型技术,事先指定了这个List装载的对象类型就是Integer,所以在取出元素时不需要再进行类型转换。

泛型类:

在声明一个类的时候,添加类型变量作为它的参数,就构成了一个泛型类。一个简单的例子如下。

package array;


class MyValue{
	private T value1;
	private Integer value2;
	MyValue(T t1,Integer t2){
		this.value1=t1;
		this.value2=t2;
	}
	public T getValue1(){
		return value1;
	}
	public Integer getValue2(){
		return value2;
	}
}
public class genericity {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
		MyValue mv4=new MyValue(5,"5");
		MyValue mv1=new MyValue("god",5);
		MyValue mv2=new MyValue(5,"good");
		System.out.println("mv1 value2="+mv1.getValue2());
		System.out.println("mv2 value2="+mv2.getValue2());
		mv1.getValue2();
		mv2.getValue2();
	}

}
在创建类对象时,才指定类中两个参数的类型,通过使用泛型类可以使程序有更大的灵活性,成员变量与方法的类型可以在实际调用时再确定,而不必像原来在开发时就确定。

泛型方法:
在方法中也可以带有一个或者多个类型参数,泛型方法可以在普通类和泛型类中定义,一般以静态方法居多。
public static <T>T getLast(T[] a){
		return a[a.length-1];
	}
这个方法用于返回T类型数组的最后一个元素,而T类型可以在运行的时候再指定。

类型变量的限制:
使用 类型变量 extends  限定类型序列如:
T extends Number&Comparable&Serializable
则类型变量T的类型只能是Number的子类并且要实现Comparable和Serializable接口。这里Integer类型是符合的String类型不符合,所以不能把T指定为String类型。

泛型通配符:
在使用泛型时,如果 A是B的子类,但是G<A>并不能看做G<B>使用,这和继承不同,如果要让一种泛型匹配其他的泛型,可以使用?符号,ArrayList<?>表示可以接受ArrayList<任意具体类型>
ArrayList<String> as=new ArrayList<String>();
ArrayList<?> ao=new ArrayList<Object>();
ao=as; //若使用ArrayList<Object> ao=new ArrayList<Object>();则会报错。
使用泛型通配符需要注意,泛型通配符只能用于引用声明中,不可以使用采用了泛型通配符的
也可以对泛型通配符进行限制 ?  extends 类名或者接口名

泛型的擦除:
如果在调用一个声明了泛型参数的类时不给出泛型参数的类型,系统会自动按照一定的规则来设置泛型参数的类型,这就是泛型的擦除。
使用泛型时要注意一些限制这些限制大部分是由自动擦除引起的。
限制有:
类型参数可以指定的类型中不包括基本类型,如 MyValue<int>非法,MyValue<Integer>可以。
不能在静态成员中使用类型变量。
public class Myclass<T>
{
    public static T getValue();
}
类型变量实际代表的类型要在类创建的时候才会给出,而静态方法只要类加载就可以调用,所以这一段代码不能通过编译。
数组,不能再数组声明中使用泛型,如下代码不能通过编译:
MyValue <String>[] mv=new MyValue<String>[10];
泛型的 instanceof检查,
mylist instanceof ArrayList<Integer>
mylist instanceof ArrayList<String>
以上两段代码检查结果是一样的,它只对不包括泛型的部分(ArrayList)进行检查。

下面一段是对HashMap按key排序的代码。
Set<String> keySet = map.keySet();
<span style="white-space:pre">	</span>List<String> keylist=new ArrayList<String>();
<span style="white-space:pre">	</span>for(String k:keySet){
<span style="white-space:pre">		</span>keylist.add(k);
<span style="white-space:pre">	</span>}
<span style="white-space:pre">	</span>Collections.sort(keylist);
<span style="white-space:pre">	</span>for(Iterator<String> ite = keylist.iterator(); ite.hasNext();) {
<span style="white-space:pre">	</span>    String temp = ite.next();
<span style="white-space:pre">	</span>    System.out.println("key-value: "+temp+","+map.get(temp));
<span style="white-space:pre">	</span>}
如果想要按字典的降序排列,则需改写sort方法里面的比较器Comparator:
Collections.sort(keySet, new Comparator() {
    public int compare(Object o1, Object o2) {
       if(Integer.parseInt(o1.toString())>Integer.parseInt(o2.toString())
            return 1;
       if(Integer.parseInt(o1.toString())==Integer.parseInt(o2.toString())
           return 0;
        else
            return -1;
    }
});





内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合人群:企业市场/公关负责人、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业人士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
【EI复现】基于主从博弈的新城镇配电系统产消者竞价策略【IEEE33节点】(Matlab代码实现)内容概要:本文介绍了基于主从博弈理论的新城镇配电系统中产消者竞价策略的研究,结合IEEE33节点系统进行建模与仿真分析,采用Matlab代码实现。研究聚焦于产消者(兼具发电与用电能力的主体)在配电系统中的竞价行为,运用主从博弈模刻画配电公司与产消者之间的交互关系,通过优化算法求解均衡策略,实现利益最大化与系统运行效率提升。文中详细阐述了模构建、博弈机制设计、求解算法实现及仿真结果分析,复现了EI期刊级别的研究成果,适用于电力市场机制设计与智能配电网优化领域。; 适合人群:具备电力系统基础知识和Matlab编程能力,从事电力市场、智能电网、能源优化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学习主从博弈在电力系统中的建模方法;②掌握产消者参与电力竞价的策略优化技术;③复现EI级别论文的仿真流程与结果分析;④开展配电网经济调度与市场机制设计的相关课题研究。; 阅读建议:建议读者结合提供的Matlab代码,深入理解博弈模的数学表达与程序实现细节,重点关注目标函数构建、约束条件处理及算法收敛性分析,可进一步拓展至多主体博弈或多时间尺度优化场景。
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