黑马程序员 其他对象

——- android培训java培训、期待与您交流! ———-

1,System对象

System是描述一些系统信息的类,这个类中的方法和属性都是静态的。System类不能被实例化,因为没有提供构造方法。

static String getProperty(String key) 获取指定键指示的系统属性

static String setProperty(String key , String value) 设置指定的系统属性
在JVM启动时,可以实现动态的加载一些属性信息

static Properties getProperties() 获取系统属性信息

Properties是HashTable的子类对象,也就是Map集合的一个子类对象,那么可以通过Map集合中的方法取出该集合中的元素

import java.util.*;  
class SystemDemo  
{  
    public static void main(String[] args)   
    {  
        //获取系统名  
        String osName = System.getProperty("os.name");  
        //输出系统名  
        sop("系统名:"+osName);  
        sop("------------------------------------");  
        System.setProperty("myKey","myValue");  
        //自己设置的系统属性是否出现在了系统属性中  
        Properties prop = System.getProperties();  
        //输出系统信息  
        sop(prop);  
    }  
    //输出方法  
    public static void sop(Object obj)  
    {  
        System.out.println(obj);  
    }  
} 

2,Runtime对象

(a)该类中并没有提供构造函数,说明不可以new对象,那么会直接想到该类中的方法都是静态的。

(b)发现该类中还有非静态方法,说明该类中肯定会提供方法获取本类对象。而且该方法是静态的,并返回值类型是本类类型。

(c)由以上特点可以看出,该类使用了单例设计模式完成,保证了对象的唯一性。

class RuntimeDemo  
{  
    public static void main(String[] args) throws Exception  
    {  
        //获取Runtime类的实例  
        Runtime r = Runtime.getRuntime();  //Runtime类提供的方法,用来获取本类对象
        //执行笔记本程序  
        Process p=r.exec("notepad.exe");    //打开一个exe进程 
        //用笔记本打开指定文件   
        r.exec("notepad.exe 123.txt");  
        //让线程睡一会儿  
        Thread.sleep(2000);  
        //关闭子进程  
        p.destroy();  //杀掉子进程方法,可以将exec开启的进程结束
    }  
}  

3,Math类

工具类。执行基本数学运算方法,该类全为静态方法。

static double ceil(double a) 返回最小double值,该值大于参数并等于某个整数

static double floor(double a) 返回最大double值,该值小于等于参数,并等于某个整数

static int round (double a) 四舍五入

static double pow(double a , double b) a的b次幂

static double random() 返回一个伪随机数,这个数大于等于0 小于1 0<=x<1。然后可以通过强制转换,获得int型,方便使用

伪随机数是底层算法算出来的,算的足够多就能找到规律,所以称为伪随机数。

4,Date类

Date类表示特定的瞬间,精确到毫秒

默认显示格式为:Sun Aug 16 22:50:15 CST 2015

自定义格式化模式

/* 
Data类自定义时间格式
*/  
import java.util.*;    
import java.text.*;   
class DateDemo     
{    
    public static void main(String[] args)     
    {    
        //创建Date对象  
        Date d=new Date();    
        //先输出默认时间模式  
        sop("默认模式:"+d);  
        //2015年6月16日 星期二 22:03:00  
        SimpleDateFormat sdf = new SimpleDateFormat("yyyy年MM月dd日E HH:mm:ss");    
        //调用format方法,将时间按照我们定义的转成字符串   
        String time=sdf.format(d);    
        //输出  
        sop(time);    
    }    
    //输出方法   
    public static void sop(Object ojb)    
    {    
        System.out.println(ojb);    
    }    
}    
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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