第九章总结:虚函数与多态



第九章总结:虚构与多态

  • 基础信息

多态性(Polymorphism)是指一个名字,多种语义;或界面相同,多种实现。

 重载函数是多态性的一种简单形式。

 虚函数允许函数调用与函数体的联系在运行时才进行,称为动态联编。

一、虚函数与动态联编

  冠以关键字 virtual 的成员函数称为虚函数

 实现运行时多态的关键首先是要说明虚函数,另外,必须用

  基类指针调用派生类的不同实现版本

()、虚函数与基类指针

注意:

 一个虚函数,在派生类层界面相同的重载函数都保持虚特性

 虚函数必须是类的成员函数

 不能将友元说明为虚函数,但虚函数可以是另一个类的友元

 析构函数可以是虚函数,但构造函数不能是虚函数

()、虚函数的重载特征

在派生类中重载基类的虚函数要求函数名、返回类型、参数个数、

  参数类型和顺序完全相同

 如果仅仅返回类型不同,C++认为是错误重载

 如果函数原型不同,仅函数名相同,丢失虚特性

()、虚析构函数

构造函数不能是虚函数。建立一个派生类对象时,必须从类层次的根开始,沿着继承路径逐个调用基类的构造函数

 析构函数可以是虚的。虚析构函数用于指引delete 运算符正确析构动态对象

说明:

1.派生类应该从它的基类公有派生。

2.必须首先在基类中定义虚函数。

3.派生类对基类中声明虚函数重新定义时,关键字virtual可以不写。

4.一般通过基类指针访问虚函数时才能体现多态性。

5.一个虚函数无论被继承多少次,保持其虚函数特性。

6.虚函数必须是其所在类的成员函数,而不能是友元函数,也不能是静态函数。

7.构造函数、内联成员函数、静态成员函数不能是虚函数。

(虚函数不能以内联的方式进行处理)

8.析构函数可以是虚函数,通常声明为虚函数。

二、纯虚函数和抽象类

纯虚函数是一种特殊的虚函数,

在许多情况下,在基类中不能对虚函数给出有意义的实现,而把它声明为纯虚函数,它的实现留给该基类的派生类去做。

这就是纯虚函数的作用。

纯虚函数是一个在基类中说明的虚函数,在基类中没有定义, 要求任何派生类都定义自己的版本

  纯虚函数为各派生类提供一个公共界面

  纯虚函数说明形式:

     virtual  类型  函数名(参数表)= 0 ;

 一个具有纯虚函数的基类称为抽象类。

  • 例题总结

#include<iostream>

usingnamespace std ;

class  Base

{ public:       Base(char xx)  { x = xx; }

                      virtual void who()  { cout << "Base class: "<< x << "\n" ; }

   protected:   char x;

} ;

class  First_d : public  Base

{ public:       First_d(char xx, charyy):Base(xx)  { y = yy; }

                      void who()  { cout << "First derived class:"<< x << ", " << y << "\n" ; }

   protected:   char y;

} ;

class  Second_d : public  First_d

{ public :

      Second_d( char xx, char yy, char zz ) :First_d( xx, yy ) { z = zz; }

      void who()  { cout<<"Second derived class:"<<x<<", "<<y<<","<<z<<"\n" ; }

  protected:   char z;

} ;

int main()

{ Base  B_obj( 'A' ) ;   First_d F_obj( 'T', 'O' ) ;  Second_d S_obj( 'E', 'N', 'D' ) ;

   Base * p ;

   p = & B_obj ;    p -> who() ;

   p = &F_obj ;     p -> who() ;

   p = &S_obj ;     p -> who() ;

}

class figure

{ protected :double x,y;

  public:   void set_dim(double i, double j=0) { x = i ;  y = j ; }

                 virtual void show_area() = 0 ;

};

classtriangle : public figure

{ public :

      void show_area()

       { cout<<"Triangle with high"<<x<<" and base "<<y <<" has anarea of "<<x*0.5*y<<"\n"; }

};

class square: public figure

{ public:

      void show_area()

         { cout<<"Square withdimension "<<x<<"*"<<y <<" has anarea of "<<x*y<<"\n"; }

};

class circle: public figure

{ public:

    void show_area()

    { cout<<"Circle with radius"<<x;

       cout<<" has an area of"<<3.14*x*x<<"\n";

    }

};

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位地图构建)的性能展开多项对比实验研究,重点析在稀疏稠密landmark环境下、预测更新步骤同进行非同进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②析预测更新机制同步否对滤波器稳定性精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同进行非同进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同,模型综合考虑售电商在多级电力市场(如日前市场、实市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达Matlab实现逻辑,同尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
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