黑马训练营——反射

 

反射就是将一个类中的信息,比如字段或者方法,映射成为一个类,然后通过这个类的实例中的方法来访问原来类中的相映成分,在j2ee中,框架技术大量的用到了反射的技术

得到个字节码对应的实例对象

1.类名.class 也就是类字面常量入int.class

2 对象.getClass();比如 new String().getClass();

3 Class.forName("类名");比如 Class.forName("String");

类字面常量可以更简单而且更安全的来生成对Class对象的引用。因为它在编译时就会受到检查,并且它根除了对forName()方法的调用,所以也是更加高效的。

对于基本数据类型的包装器类,还有一个标准字段是TYPE.TYPE字段是一个引用,只想对应的基本数据类型的Class对象。比如boolean.class=Boolean.TYPE,float.class=Float.TYPE.另外还有一个需要注意的是void.class等于Void.TYPE

当我们使用.class来创建对Class对象的引用时,不会自动的初始化Class对象。为了使用类而坐准备工作包含三个步骤

1:加载,这是由类加载器执行的,该步骤将查找字节码,并从这些字节码中创造一个Class对象

2:链接,在链接阶段将验证类中的字节码,为静态域分配存储空间,并且如果必须的话,将解析这个类创建的对其他类的所有引用。

3:初始化。如果该类具有超类,则对其初始化,执行静态初始化器和静态初始化块

 

我们使用反射无非就是对字段也就是Field,方法也就是Method进行操作。其中构造方法不同于一般的方法也就是Contructor

1:将字段映射成为Field类

Field fie=对象名.getClass().getField("字段名"); 除非暴力,否则是不能得到一个私有属性的

我们得到了一个字段,接下来我们就是要获得一个具体对象的值了,我们用get(对象名);

fie.get(对象名);

那么如何得到一个私有的变量呢,我们这时候就要采用暴力反射了,也就是不管是private 还是public都可以进行获取。

Field fie=对象名.getClass().getDeclaredField("字段名");

接下来将这个对象要设置成可以访问的

fie.setAccessible(true);

fie.get(对象名);

 

如果我们要获取所有的属性,那么我们就要用到下面的方法

Field [] fields1 = c.getDeclaredFields(); 

Field [] fields2 = c.getFields(); 

//上面的是暴力反射,下面的方法是获取所有的非私有方法,用到时,我们可以用高级for循环进行迭代获取需要的方法

2:Method类

Method toString=StringBuilder.class.getMethod("toString");

toString.invoke();invoke中第一个参数为null,则说明该对象是一个静态方法

跟上面的Field类一样,他也有暴力反射,也有获取所有方法,然后存到一个Method类的数组中

Method[] mes=StringBuilder.class.getMethods();

Method[] mes=StringBuilder.class.getDeclaredFields();

3:Constructor类

在方法中构造方法是特殊的方法,所以反射中也是比较特殊的,所以跟一般的饿方法区分开来

首先得到一个类的构造方法

Constructor con=Class.forName("java.lang.String").getConstructor("String.class");

创建一个实例对象:

String str=(String)con.newInstance(new String("abcdd"));

创建一个实例对象必须要用Class.newInstance()方法;


【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
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