对象克隆

本文详细介绍了Java中使用Cloneable接口实现对象的浅拷贝与深拷贝的方法,通过具体代码实例展示了如何在不同场景下灵活运用。

Student.java

package cloneTest;

public class Student implements Cloneable{
	private String name;
	private int id;
	private Score score=new Score();

	public Student(String name,int id) {
		this.name=name;
		this.id=id;
	}
	
	@Override
	public Object clone() {
		Student stu = null;
		try{
			stu=(Student) super.clone();
		}catch(CloneNotSupportedException e){
			e.printStackTrace();
		}
		
		return stu;
	}
	
	public Object deepClone() {
		Student stu = null;
		try{
			stu=(Student) super.clone();
		}catch(CloneNotSupportedException e){
			e.printStackTrace();
			return null;
		}
		
		stu.setScore((Score) this.score.clone());
		return stu;
	}

	public String getName() {
		return name;
	}

	public void setName(String name) {
		this.name = name;
	}

	public int getId() {
		return id;
	}

	public void setId(int id) {
		this.id = id;
	}

	public Score getScore() {
		return score;
	}

	public void setScore(Score score) {
		this.score = score;
	}
}

Score.java

package cloneTest;

public class Score implements Cloneable{
	private int total;

	@Override
	public Object clone(){
		Score score = null;
		try{
			score=(Score) super.clone();
		}catch(CloneNotSupportedException e){
			e.printStackTrace();
		}
		
		return score;
	}
	
	public int getTotal() {
		return total;
	}

	public void setTotal(int total) {
		this.total = total;
	}
}

Test.java

package cloneTest;

public class Test {
	public static void main(String[] args) {
		Student stu = new Student("zhangsan", 1111);
		// Student stu2 = (Student) stu.clone();
		
		Student stu2 = (Student) stu.deepClone();

		stu.getScore().setTotal(111);

		stu2.setName("lisi");
		stu2.getScore().setTotal(222);

		System.out.println(stu.getName());
		System.out.println(stu2.getName());

		System.out.println(stu.getScore().getTotal());
		System.out.println(stu2.getScore().getTotal());

		System.out.println(stu == stu2);
	}

}

结果:

zhangsan
lisi
111
222
false


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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