虚函数表学习

博客聚焦于虚函数表学习,但具体内容缺失。虚函数表是信息技术领域重要概念,在面向对象编程等方面有重要应用。

**#include <string.h>
#include <stdio.h>
#include <iostream>
#include <stdint.h>
class v_table
{
	public:
		virtual void f() {std::cout << "virtual func f" << std::endl;}
		virtual void g() {std::cout << "virtual func g" << std::endl;}
		virtual void h() {std::cout << "virtual func h" << std::endl;}
		void m() {std::cout << "func m" << std::endl;;}
};
class v_table1 : public v_table
{
	public:
		virtual void f1() {std::cout << "virtual func f1" << std::endl;}
		virtual void g1() {std::cout << "virtual func g1" << std::endl;}
		virtual void h1() {std::cout << "virtual func h1" << std::endl;}
};
int main (int argc ,char * argv[])
{
	printf("*************************************\n");
	class v_table test;
	printf("虚函数表地址\t %p \n",(int64_t*)*(int64_t*)&test);
	printf("虚函数表第1个函数地址\t %p \n",(int64_t*)*(int64_t*)*(int64_t*)&test);
	printf("虚函数表第2个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test +1));
	printf("虚函数表第3个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test +2));
	Fun pfun = (Fun)*(int64_t*)*(int64_t *)&test;
	pfun();
	pfun = NULL;
	pfun = (Fun)*((int64_t*)*(int64_t *)(&test)+1);
	pfun();
	pfun = NULL;
	pfun = (Fun)*((int64_t*)*(int64_t *)&test+2);
	pfun();
	class v_table1 test_drive;
	printf("drive_test\n");
	printf("虚函数表地址\t %p \n",(int64_t*)*(int64_t *)&test_drive);
	printf("虚函数表第1个函数地址\t %p \n",(int64_t*)*(int64_t*)*(int64_t*)&test_drive);
	printf("虚函数表第2个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test_drive +1));
	printf("虚函数表第3个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test_drive +2));
	printf("虚函数表第4个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test_drive +3));
	printf("虚函数表第5个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test_drive +4));
	printf("虚函数表第6个函数地址\t %p \n",(int64_t*)*((int64_t*)*(int64_t*)&test_drive +5));
	//pfun = NULL;
	pfun = (Fun)*((int64_t*)*(int64_t *)&test_drive+5);
	pfun();
	return 0;
}**

在这里插入图片描述

在这里插入代码片
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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