js 面向对象

1.构造函数模式测试 构造函数首字母大写,将属性和方法赋值给了 this 对象。

 

function CPerson(name,sex,age) {  
this.name = name;  
this.sex = sex;  
this.age = age;  
this.show = function () {  
console.log(this.name+this.sex+this.age);  
}  
}  
var m1 = new CPerson('wyy',' 女',' 23');  
m1.show();  
//wyy 女 23

 2.原型模式

每个函数都有一个prototype属性,这个属性是一个指针,指向一个对象。而这个对象的用途是 包含可以由 特定类型 的所有 实例 共享的属性和方法。即调用构造函数所创建的那个对象的 原型对象好处是可以让所有对象的实例共享他的属性的方法。无需在构造函数中定义实例的信息。

function CPerson(){  
}  
CPerson.prototype.name='wyy';  
CPerson.prototype.sex='女';  
CPerson.prototype.age=23;  
CPerson.prototype.show=function(){  
console.log(this.name+ this.age+  this.sex);  
}  
var m1 = new CPerson();  
m1.show();   
//wyy23女

3.组合使用构造函数和原型模式
利用构造函数定义实例属性、利用原型定义方法和共享的属性,结果每个实例都有一份实例属性的副本,而且共享着方法的引用,应用最多。

 

function CPerson(name,sex,age) {  
this.name = name;  
this.sex = sex;  
this.age = age;  
}  
CPerson.prototype.show=function(){  
console.log(this.name+this.age+this.sex);  
}  
var m1 = new CPerson('wyy',' 女','23');  
m1.show();  
//wyy23 女

 

 

 

【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