Object-c学习之路十一(NSDate和反射)

本文通过实例演示了如何使用NSDate进行日期操作及格式化,并利用反射技术实现类名字符串到对象实例的转换。

挺简单啥也不说了直接上代码(NSDate和反射)

//
//  main.m
//  NSNumberAndNSValue
//
//  Created by WildCat on 13-7-26.
//  Copyright (c) 2013年 wildcat. All rights reserved.
//

#import <Foundation/Foundation.h>
#import "Person.h"

#pragma mark -NSDate的练习

void date(){
    //获得的当前时间是格林治时间
    NSDate *mydate=[NSDate date];
    NSLog(@"当前时间是:%@",mydate);
    mydate=[NSDate dateWithTimeIntervalSinceNow:10];
      NSLog(@"10秒后是:%@",mydate);
    
    //时间格式化
    NSDateFormatter *formatter=[[[NSDateFormatter alloc] init] autorelease];
    formatter.dateFormat=@"yyyy-MM-dd HH:mm:ss";
    NSString *string=[formatter stringFromDate:mydate];
    NSLog(@"格式化后是:%@",string);
    NSDate *datell=[formatter dateFromString:string];
    NSLog(@"变回来是:%@",datell);
    
    

}
#pragma mark - 反射
//根据一个字符串来实例化一个对象

void reflect(){
    //类名的反射
    NSString *str=@"Person";
    Class class=NSClassFromString(str);
    Person *p=[[class alloc] init];
    NSLog(@"%@",p);
    //Class变成字符串
    
    NSString *className=NSStringFromClass([Person class]);
     NSLog(@"className:%@",className);
    //方法的反射
    SEL sel=NSSelectorFromString(@"test");
    [p performSelector:sel];//会输出:person调用了test方法
    [p release];

}



int main(int argc, const char * argv[])
{

    @autoreleasepool {
        
        //number();
        //valueUser();
        //关于NSDate的操作
        date();
        reflect();
    }
    return 0;
}

person类:

#import <Foundation/Foundation.h>

@interface Person : NSObject
-(void)test;

@end


#import "Person.h"

@implementation Person
-(void)test{
    NSLog(@"person调用了test方法");

}
@end




转载于:https://www.cnblogs.com/lixingle/p/3312974.html

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的结构与权重更新机制、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稳定性。此外,文档还列举了大量相关的科研方向技术应用,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学习掌握RBF神经网络与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,提升控制精度与鲁棒性; 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,注重理论分析与仿真验证相结合。
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