Objective-C之分类

本文详细介绍了Objective-C中分类的使用方法,包括命名分类和未命名分类的特点与区别,并通过具体的代码实例展示了如何利用分类来扩展类的功能。

Animal.h
#import <Foundation/Foundation.h>

@interface Animal : NSObject
-(void) eat : (NSString *)food;
@end

Animal.m
#import "Animal.h"

@implementation Animal
/**


  • /
    -(void) eat:(NSString
    )food{
    NSLog(@"I like eat %@" , food);
    }
    @end

在main入口中的测试
#import <Foundation/Foundation.h>
#import "Animal.h"

int main(int argc, const char argv[]) {
@autoreleasepool {
Animal
dog = [[Animal alloc] init];
NSString *food = @"Bone";
[dog eat:food];
}
return 0;
}

结果 :
Objective-C之分类

一 , 命名分类 AnimalPart
h:
#import <Foundation/Foundation.h>
#import "Animal.h"

@interface Animal (AnimalPart)
-(void) call : ( NSString * ) sound;br/>@end
m:
#import "AnimalPart.h"

@implementation Animal (AnimalPart)
-(void) call:(NSString *)sound{
NSLog(@"I Call Sound : %@" , sound);
}
@end

测试:
#import <Foundation/Foundation.h>
#import "Animal.h"
#import "AnimalPart.h"

int main(int argc, const char argv[]) {
@autoreleasepool {
Animal
dog = [[Animal alloc] init];
NSString food = @"Bone";
[dog eat:food];
//命名分类扩展的方法
NSString
sound = @"wang wang wang ......";
[dog call:sound];
}
return 0;
}
结果:
Objective-C之分类

解释:
创建AnimalPart的h和m文件。但是AnimalPart作为Animal的扩展分类,只能写在()当中 。
实现在AnimalPart的M中间中实现代码(未命名分类在Animal的M中实现)
不能够扩展属性(未命名分类可以)

二 , 未命名分类 AnimalPartUnName
因为未命名分类不需要m文件所以只建立h文件
Objective-C之分类
h文件
#import <Foundation/Foundation.h>
#import "Animal.h"
@interface Animal ()
@property NSString *name;
-(void) Writename;
@end

在Animal的m文件中实现
Objective-C之分类

main文件
Objective-C之分类

结果
Objective-C之分类

转载于:https://blog.51cto.com/aonaufly/2044467

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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