面向对象与面向过程

面向对象与面向过程优缺点

面向对象
  • 缺点
    • 通常比面向过程消耗内存,因为有很多实例要存储
    • 前期开发比较缓慢,但是复用性强,后期开发与维护进度会逐渐加快
  • 优点
    • 变量的管理比较清晰,可读性较高
    • 因为代码与对象间的职责比较清晰,所以后期可维护性和可扩展性也比较高
    • 复用性更强
面向过程
  • 缺点
    • 变量混乱,可读性较差
    • 通常有新需求出现,代码改动比较大,所以可维护性和可扩展性比较差
  • 优点
    • 开发迅速,只要能解决当前问题即可

面向对象3大特征

  • 封装性
    • 对象可以把很多属性与方法集中在一起管理,就是js的封装性。
  • 继承性
    • 对象可以使用其原型对象的属性与方法,就是js的继承性。
  • 多态性
    • js没有多态。如果非要说,那么对象形态、继承关系可以随时被改变,可以认为是js的多态性。

面向对象的书写过程

  • 根据需求提取解决该问题所需的对象
    • 比如我要逛街,需要一个导购,需要一个保镖,需要一个女朋友
  • 编写每一个对象所对应的构造函数
    • 构造函数可以重复性创建实例,因为我可能需要多个保镖
    • function Person() {}
  • 抽取对象所需的属性
    • 就是该对象应该拥有的特征,比如人有名称、年龄、性别、四肢、双眼。
    • function Person(name) { this.name = name; }
  • 抽取对象所需的方法
    • 就是该对象应该拥有的特性,比如人会学习创造,狗会看门逗你笑
    • Person.prototype.study = function(){};
  • 根据写好的构造函数创建实例,调用属性方法解决实际需求
    • 就是调度实例干事
    • var p = new Person(); p.study();
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析仿真验证相结合。
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