【java】简单继承练习

Java面向对象综合练习 1.选择题 1、 下列关于变量的叙述哪个是错的?( ) A. 实例变量是类的成员变量。 B. 在方法中定义的局部变量在该方法被执行时创建。 C. 实例变量用关键字static声明。 D. 局部变量在使用前必须被初始化。 2、 在Java语言中,下列哪个包是编译器自动导入的?( ) A. java.applet B. java.lang C. java.io D. java.awt 3、 当类的成员未用访问权限修饰符时,Java认为此成员的访问权限为( )。 A. pr 阅读详情

1.

package 上机3;

public class test {

	public static void main(String[] args) {
		// TODO Auto-generated method stub
        Bird bird=new Bird("公");
        bird.shout();
        Dog dog=new Dog("萨摩");
        dog.shout();
        Person p=new Person("张三");
        p.speak();
        Student stu=new Student("李四","1234567");
        stu.study();
	}

}

class Animal
{
	protected String zhonglei; //动物种类
	public void shout()
	{
		System.out.println("动物发出叫声");
	}
}

class Bird extends Animal
{
	private String sex; //鸟的性别
	public Bird(String sex)
	{
		super.zhonglei="哺乳类";
		this.sex=sex;
	}
	public void shout()
	{
		System.out.println("吱吱");
	}
}

class Dog extends Animal
{
	private String pinzhong;  //狗的品种
	public Dog(String pinzhong)
	{
		super.zhonglei="哺乳类";
		this.pinzhong=pinzhong;
	}
	public void shout()
	{
		System.out.println("汪汪");
	}
}

class Person extends Animal
{
	protected String name;
	public Person(String name)
	{
		super.zhonglei="哺乳类";
		this.name=name;
	}
	public void speak()
	{
		System.out.println(name+"交流");
	}
}

class Student extends Person
{
	private  String num;  //学号 
	public Student(String name,String num)
	{
		super(name);   //调用父类Person的构造函数
		this.num=num;
	}
	public void study()
	{
		System.out.println(super.name+"学习");
	}
}
2. 建立一个汽车Auto类,包括轮胎个数,汽车颜色,车身重量、速度等成员变量。并通过不同的构造方法创建实例。至少要求:汽车能够加速,减速,停车。再定义一个小汽车类Car,继承Auto,并添加空调、CD等成员变量,覆盖加速,减速的方法

package 上机3;

public class test1 {
    public static void main(String[] args)
    {
    	Auto a=new Auto(8,"蓝色",100);
    	a.setSpeed(30);
    	a.addSpeed(20);
    	a.subSpeed(10);
    	Car c=new Car(4,"白色",80,"空调","张杰专辑");
    	c.addSpeed(30);
    	c.subSpeed(10);
    }
}

class Auto
{
	protected int tyreNum; //轮胎个数
	protected String collor; //汽车颜色
	protected int weight;//车身重量
	protected int speed; //速度
	
	public Auto(int tyreNum,String collor,int weight)
	{
		this.tyreNum=tyreNum;
		this.collor=collor;
		this.weight=weight;
	}
	
	public void setSpeed(int speed)
	{
		this.speed=speed;
	}
	
	public void addSpeed(int num)
	{
		int maxSpeed=120;
	    int ret=speed+num;
	    if(ret<=maxSpeed)
		{
	    	speed=ret;
		    System.out.println("当前车速"+speed);
		}
	    else
	    {
	    	speed=maxSpeed;
	    	System.out.println("车速已达上限,无法继续加速");
	    }
	}
	
	public void subSpeed(int num)
	{
		int ret=speed-num;
		if(ret>0)
		{
			speed=ret;
			System.out.println("当前车速"+speed);
		}
		else
		{
			speed=0;
			System.out.println("车速为0,无法继续减速");
		}
	}
	
	public void stop()
	{
		speed=0;
		System.out.println("车停");
	}
}

class Car extends Auto
{

    public Car(int tyreNum,String collor,int weight,String kongtiao,String CD)
    {
    	super(tyreNum,collor,weight);
    	this.kongtiao=kongtiao;
    	this.CD=CD;
    }
    
    public void addSpeed(int num)
    {
    	super.speed=num;
    	if(num<=130)
    	System.out.println("小车速度已加至"+num);
    	else
    		System.out.println("超速");
    }
    
    public void subSpeed(int num)
    {
    	super.speed=num;
    	if(num>=0)
    		System.out.println("小车速度以减至"+num);
    	else
    		System.out.println("小车速度不能为负值");
    }
	protected String kongtiao;
	protected String CD;
}



Java继承练习题 编程练习: 某公司要开发“XX车行管理系统”,请使用面向对象的思想,设计自定义类描述自行车、电动车和三轮车。 程序参考运行效果图如下: 任务分析: 第一步:分析自行车、电动车和三轮车的共性: (1)、都是非机动车,具有非机动车的基本特征 (2)、都有运行的方法 第二步:根据共性,定义非机动车 属性:品牌、颜色、轮子(默认2个)、座椅(默认 1个) 方法: (1)、编写无参构造方法、双参构造方法和四参构造方法,其中,在双参构造方法中,完成对品牌和颜色的赋值;在四参构造方法中,完成对所有属性的赋值 ( 阅读详情

相关推荐

Java关于继承特征的初步认识简单练习题

Java关于继承特征的初步认识简单练习题

小贺想改变 279

8、继承作业

继承作业 一、选择题 以下关于继承条件下构造方法执行过程的代码的执行结果是( )。(选择一项) class Person { public Person() { System.out.println(“execute Person()”); } } class Student extends Person { public Student() { System.out.println("execute Student() "); } } class PostGraduate extend

友培的博客 1927

Java面向对象之继承练习题.doc

刚开始学,需要简单题目加深对概念的理解

java继承和方法重写及其练习题

java继承及其练习题

m0_56420338的博客 1471

java继承例题

java继承例题

java中继承与多态的题目

java的题目 继承的测试题大神大神来看看

Java——继承(含习题)

面向对象的继承,指在由一般类和特殊类形成的“一般-特殊”之间的类结构中,把一般类和所有特殊类都共同具有的属性和操作一次性地在一般类中进行定义,特殊类不再重复定义一般类已经定义的属性和操作,特殊类自动拥有一般类(以及所有更上层的一般类)定义的属性和操作。** 特殊类的对象拥有一般类的对象的全部属性与操作(除非进行限制),称为特殊类对一般类的继承。**如果类B继承类A,类B的对象具有类A对象的全部或部分属性和操作,则称被继承的类A为基类、父类或超类,而类B为类A的派生类或子类(见图1)。

2301_81768120的博客 4052

Java 继承 小程序

Java中对继承的练习,一个很小的程序,为初学者提供参考

java练习题之继承

包括的方法:吃饭、睡觉,工作(1) 根据人类,定义一个学生类,增加属性:学校、学号;重写工作方法(实现内容为学习)(2) 根据人类,定义一个工人类,增加属性:单位,工龄;重写工作方法(3) 根据学生类,定义一个学生干部类(StudentLeader),增加属性:职务;增加方法:开会(4) 定义一个测试类,分别创建上述 3 类具体人物的对象并将信息打印在控制台上。String sex;int age;System.out.println("人的吃饭方法");

zhzjn的博客 2108

pgAdmin4备份恢复实战:从安装到避坑指南

本文提供了一份详尽的pgAdmin4备份恢复实战指南,涵盖从安装配置到执行备份恢复的全流程。针对Windows环境下的浏览器兼容性、二进制路径配置等常见问题,给出了具体解决方案。重点强调了使用pgAdmin4进行备份恢复的可靠性,特别是在处理包含PostGIS等扩展的数据库时,能有效避免数据类型和权限错误,确保数据迁移的完整性与安全性。

weixin_29266007的博客 439

Python多进程实战:用BaoStock高效下载股票历史数据的5个优化技巧

本文详细介绍了使用Python多进程技术通过BaoStock高效下载股票历史数据的5个优化技巧。从理解BaoStock的数据获取机制到进程池配置、智能任务分片、异常处理及性能监控,帮助开发者显著提升数据下载效率,特别适合量化交易领域的数据采集需求。

weixin_30369041的博客 461

Java继承之object类、继承小练习和继承简单工厂模式

Java继承之object类、继承小练习和继承简单工厂模式

qiao代码的木偶人的博客 659

AI驱动的数据完整性:ECC到S/4HANA迁移

在SAP ECC到S/4HANA的迁移过程中,数据完整性验证是最复杂且关键的挑战之一。本文介绍了一个全面的AI驱动的端到端数据完整性框架,用于对账事务数据并验证数百万条主数据记录和事务记录的完整性。该框架结合了模式映射、自然语言提示到SQL生成、基于LLM的解决方案、大规模数据对账的数据完整性工具、基于云的测试数据管理以及实时Power BI仪表板,为开发者提供了一个可重复、可扩展的工作流程,确保ERP迁移过程中的数据质量。

简简单单Onlinezuozuo 1174

JAVA中表示B继承自A,java编程入门_子类与继承简单面试练习

java编程入门子类与继承简单面试练习1. Java语言的类间的继承关系是( B )。A) 多重的B) 单重的C) 线程的D) 不能继承2.Java语言的类间的继承的关键字是( B )。A) implements B) extends C) class D) public3.现有两个类A、B,以下描述中表示B继承自A的是( D )。A) class A extends B B) class B i...

weixin_30131977的博客 2143

微信小程序云开发订单微信支付与小票和标签打印的完整高效流程

本片文章全文12000字,细致讲述从申请账户到小程序注册到打印机的选型最后到实现微信小程序云开发订单支付更新与小票,标签打印完整的高效流程。客户A在我们的点餐平台上点了一杯咖啡,所以客户要在选好后付款,在付款完成后商家的小票打印机和标签打印机打印出本订单的相关信息。

weixin_52312427的博客 3649

SpringDoc 基本使用指南

SpringDoc 凭借零配置启动注解简洁和深度兼容 Spring 生态的优势,已成为 Spring Boot API 文档的首选工具。自动化- 减少手动维护文档的成本;标准化- 严格遵循 OpenAPI 3 规范;可扩展- 分组、安全控制灵活适配复杂项目。访问即可查看交互式文档(默认路径)

墨鸦的博客 1万+

Java继承 群主发普通红包 【Java简单练习】

目录 一、main方法 二、User类(父类) 三、群主类(继承User类) 四、成员类(继承User类) 一、main方法 package test; import java.util.ArrayList; //群主发普通红包 //普通红包的规则:群主的一笔金额,从群主的余额中扣除,平均分成n等份,让成员领取 // 成员领取红包后,保存在成员余额中 public class testmain { public static void main(Stri

weixin_46440071的博客 524

ESP32S3编译micropython固件

编译ESP32芯片的micropython固件

m0_73253860的博客 2554

【JAVA】Java基础—面向对象编程:继承—重写方法使用总结练习

假设我正在开发一个动物管理系统,其中有多种动物(如狗、猫等)。我定义一个Animal类,表示所有动物的共性,然后为每种动物创建子类,如Dog和Cat,并在这些子类中重写Animal类的方法,以实现不同动物的特有行为。下面我通过创建一个Animal类及其子类Dog和Cat来演示重写方法的使用。

thinking_chou的专栏 570

rknn-toolkit推理yolov5-face.rknn模型--python代码

import os import urllib import traceback import time import sys import numpy as np import cv2 from rknn.api import RKNN ONNX_MODEL = 'yolov5s.onnx' RKNN_MODEL = 'yolov5s.rknn' IMG_PATH = './bus.jpg' DATASET = './dataset.txt' QUANTIZE_ON = True BOX_THR.

C/C++、嵌入式开发、深度学习算法、模型部署与推理优化 3079

39、高频 LLC 谐振转换控制系统动态优化算法分析与研究

本文针对高频下LLC谐振转换器动态性能差的问题,提出一种基于谐振电容器充放电估计动态切换时间的优化控制算法。通过改进状态轨迹控制方法,突破传统算法在谐振频率与开关频率相等条件下的限制,并结合新型采样策略有效抑制电压过冲。算法在MATLAB和SABER中完成仿真验证,并搭建基于STM32F407的原型系统进行测试,结果表明该方法显著缩短动态响应时间,提升系统稳定性。研究为高频、高功率密度开关电源的动态优化提供了可行解决方案。

linux6sysadmin的博客 112

java:继承

继承练习题 public class ManKind { public int sex; public int salary; public int getSex() { return sex; } public void setSex(int sex) { this.sex = sex; } public int getSalary() { return salary; } publi...

weixin_46037153的博客 276

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

类的继承编程题java_java编程上机练习题实现类的继承.doc

java编程上机练习题实现类的继承java编程上机练习题实现类的继承猜数字游戏:一个类A有一个成员变量v,有一个初值100。定义一个类,对A类的成员变量v进行猜。如果大了则提示大了,小了则提示小了。等于则提示猜测成功。类的成员变量:请定义一个交通工具的类,其中有:属性:速度,体积等等方法:移动),设置速度),加速speedUp,减速speedDown等等.最后在测试类Vehicle中的main中实...

weixin_28994357的博客 1052

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

对于Java继承类的学习中所做的练习

继承类的练习 一个父类Mankind(成员变量name,sex,salary),一个子类kids(成员变量yearsold)。 Mankind类 package 练习; public class Mankind { String name; int sex; int salary; public String getName() { return name; } public v...

stan_dragon的博客 278

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

java程序设计 继承与多态

同样创建了IntSort类的对象s,这里使用s.sort(a, b, c)调用了接受三个参数的sort方法,传入的参数是变量a、b和c,并将结果与“三个数的排序结果:”拼接后输出。,这里创建了一个IntSort类的对象s,然后使用s.sort(a, b)调用了接受两个参数的sort方法,传入的参数是变量a和b,并将结果与“两个数的排序结果:”拼接后输出。然后将这三个数以字符串的形式连接起来并返回。方法内部通过比较a和b的大小,将较大的值和较小的值以字符串的形式连接起来并返回。

2301_81510089的博客 368

Java继承性练习

Java继承性练习(一) 练习一 1.定义一个ManKind类,包括 成员变量int sex和int salary; 方法void manOrWoman():根据sex的值显示“man”(sex==1)或者“woman”(sex==0); 方法void employeed():根据salary的值显示“no job”(salary==0)或者“ job”(salary!=0)。 ManKind.java public class ManKind { private int sex;// 性别

zhkey123的博客 2076
上一篇: 【数据结构】二叉树的递归与非递归创建和遍历
下一篇: 【java】写一个公交车类,包含乘客类数组,实现乘客上车下车等方法。
pointer_y
博客等级 码龄11年 157粉丝 107原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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