static关键字

本文详细解析了Java中static修饰符的特性与应用场景,包括static成员的共享性质、调用方式、静态变量与函数的区别,以及静态代码块的执行时机与作用。探讨了如何正确使用static来优化代码结构。

static的特点

  1. static是一个修饰符,用于修饰成员。
  2. static修饰的成员被所有对象共享。
  3. static优先于对象存在,因为static的成员随着类的加载而存在。
  4. static修饰的成员多了一种调用方式,可以直接被类名调用。调用格式为“类名.静态成员”。
  5. static修饰的数据是共享数据,对象中存储的是特有数据。

静态使用的注意事项

  1. 静态成员只能访问静态成员。
  2. 静态方法中不可以使用this或者super关键字。
  3. 主函数是静态的。

静态什么时候使用?

静态变量

当分析对象中所具备的成员变量的值都是相同的,这时,这个成员就可以被静态修饰。只要数据在对象中都是不同的,就是对象的特有数据,必须存储在对象中,是非静态的。如果是相同的数据,对象不需要修改,只需要使用即可,不需要存储在对象中,定义成静态的变量。

静态函数

看该函数功能是否有访问到对象中的特有数据。如果需要,该功能就是非静态的。如果不需要,该功能就是静态的。

静态代码块

随着类的加载而执行。而且只执行一次。
作用:用于给类进行初始化。不是所有的类都要通过构造函数初始化。

static
{
}
对比构造代码块

构造代码块可以给所有对象进行初始化。
构造函数是给对应的对象进行针对性的初始化。


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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