学习D11

类属性和类方法

类属性

类属性与实例属性的特点

类属性:类对象所拥有的属性,

1,类属性访问

class BMW():
	
	brand = 'BMW'
	
	def __init__(self,color,style):
		self.style = style
		self.color = color

#第一种访问方法
BMW.brand
#第二种访问方式
obj1 = BWM('x1','白色')
print(obj1.brand)



2、私有类属性

class BMW():
	
	brand = 'BMW'
	__money = 1000
	def __init__(self,color,style):
		self.style = style
		self.color = color
		

1、私有类属性只能在类的内部使用,外部无法访问,调用方法和上面都一样

3、修改类属性


class BMW():
	
	brand = 'BMW'
	__money = 1000
	def __init__(self,color,style):
		self.style = style
		self.color = color
		
		
1 通过类对象进行修改

BMW.brand = 'aaaa'
#可以成功修改 
2 通过实例对象来修改

a = BMW('X1','白色')

a.brand = 'bbbb'
#同样也可以修改但是只是增加了一个动态实例属性 类似创建了临时属性覆盖了原来的值


类方法

格式
要添加@classmethod

# class BMW():
#     __money = 1000
#     brand = 'BMW BMW BMW'
#     @classmethod
#     def change(cls,brand):
#         cls.brand = brand
# a.change('AAAA') #实例调用类方法
# BMW.change('aaa')  #类对象调用类方法
类方法可以通过类对象访问,也可以通过实例对象访问

【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
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