6.27学习笔记——抽象类,接口

本文介绍了抽象类和接口的概念及使用方法。包括抽象类的定义、属性、方法特点,以及如何实例化和使用。同时,详细解释了接口的定义、属性特征、方法特性,并对比了接口与抽象类的区别。
:arrow: 抽象类

:D 1、定义方式:
abstract class 类名 {
}

:D2、属性:和其他普通类一样,可以有初始化的,也可以有没有初始化的。

:D3、方法:可以有已经实现了的方法(即存在方法体),也可以有抽象类的(没有方法体),但是定义的形式就不一样:
abstract 方法名 {空的}

:D4、抽象类是不能够定义对象的(即不能实例化);

:D5、抽象类中可以不包含抽象的方法,就算没有抽象的方法,也不能用此类去定义一个对象(即不能实例化)。

:D6、用法:先去extends一个类,在通过此类去定义对象,继承的时候可以补充新的属性和方法。
【在继承的时候,凡是属于abstract的方法都要一一去实现】
抽象类没有构造方法,其中所有的抽象方法都是public的。

:arrow: 接口

:D1、接口其实也是一种抽象的类,但不等价于抽象类,因为它比抽象类更加抽象。

:D2、定义:
Interface class 类名 {
}

:D4、属性:接口中的属性必须是public static final的常量,必须要初始化,属性的public static final可以不写全,但是都默认成这样了。

:D5、接口没有构造函数,即不能够将之实例化。

:D6、接口中的方法默认为public abstract,且只能这样,可以不写全;

:D7、抽象类中的方法全都不能有方法体,即所有方法内容都是空的;

:D8、一个类可以实现多个接口;

:D9、接口可以继承接口,但是不能够继承方法;

:D10、接口的继承更加准确的说法是:实现
  Public class 类名 implements 接口名{
  【注意:每一个抽象的方法都必须要一一实现】
  }
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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