构造函数--继承

本文详细介绍了JavaScript中实现继承的五种方法:构造函数绑定、prototype模式、直接继承prototype、利用空对象作为中介以及属性拷贝,并对比了它们各自的优缺点。

首先给出如下两个构造函数

function Animal(){
  this.species = "动物";
}

function Cat( name, color){
  this.name = name;
  this.color = color;
}

一、构造函数的绑定

使用apply 将父对象的构造函数绑定在子对象上

在子对象上加apply那一行就可以了

function Cat( name, color){
  Animal.apply(this, arguments);
  this.name = name;
  this.color = color;
}
  var cat11 = new Cat("11", "绿色");
  console.log(cat11.species);

二、prototype 模式

 Cat的prototype 对象指向一个Animal的实例,所有猫的实例都能继承Animal

// 如果替换prototype对象,下一步需要将这个新的prototype对象加上constructor属性,并指向原来的构造函数

	Cat.prototype = new Animal();
	Cat.prototype.constructor = Cat;
var cat13 = new Cat("大毛", "黄色"); console.log(cat13.species);

三、直接继承prototype

需要将Animal 改写

function Animal(){ }
	Animal.prototype.species = "动物";  
Cat.prototype = Animal.prototype;
	Cat.prototype.constructor = Cat;
	var cat14 = new Cat("14", "黄色");

这样做有点是效率高,缺点是Cat.prototype 和 Animal.prototype 指向同一个对象,任何对Cat.prototype 的修改 都会直接影响 Animal.prototype 的修改

四、利用空对象作为中介

var p = function() {};
p.prototype = Animal.prototype;

// Cat的prototype指向p的实例,Cat的实例可以继承p
// 相当于删除了原先的值,然后赋予了一个新值

Cat.prototype = new p();
// Cat.prototype.constructor指向p 所以要加下面一行 Cat.prototype.constructor = Cat;

封装成函数

function extend(Child, Parent) {
    var p = function() {};
    p.prototype = Parent.prototype;
    Child.prototype = new p();
    Child.prototype.constructor = Child;
    //备用方法
    Cat.uber = Parent.prototype;
}
extend(Cat, Animal);
var cat = new Cat("小猫", "米色");

五、拷贝

function extend(Child, Parent) {
  var c = Child.prototype;
 var p = Parent.prototype;
 for ( var i in p) { c[i] = p[i]; } 
  c.uber = p;
}
extend( Cat, Animal);

  

注:参考阮一峰

 

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和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和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和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,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和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学习和掌握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
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