Java中重载和重写的区别
(1)方法重载是让类以统一的方式处理不同类型数据的一种手段。多个同名函数同时存在,具有不同的参数个数/类型。重载Overloading是一个类中多态性的一种表现。
(2)Java的方法重载,就是在类中可以创建多个方法,它们具有相同的名字,但具有不同的参数和不同的定义。调用方法时通过传递给它们的不同参数个数和参数类型来决定具体使
用哪个方法, 这就是多态性。
(3)重载的时候,方法名要一样,但是参数类型和个数不一样,返回值类型可以相同也可以不相同。无法以返回型别作为重载函数的区分标准。
下面是重载的例子:
package c04.answer;//这是包名
//这是这个程序的第一种编程方法,在main方法中先创建一个Dog类实例,然后在Dog类的构造方法中利用this关键字调用不同的bark方法。不同的重载方法bark是根据其参数类型的不同而区
分的。
//注意:除构造器以外,编译器禁止在其他任何地方中调用构造器。
package c04.answer;
public class Dog {
Dog()
{
this.bark();
}
void bark()//bark()方法是重载方法
{
System.out.println("no barking!");
this.bark("female", 3.4);
}
void bark(String m,double l)//注意:重载的方法的返回值都是一样的,
{
System.out.println("a barking dog!");
this.bark(5, "China");
}
void bark(int a,String n)//不能以返回值区分重载方法,而只能以“参数类型”和“类名”来区分
{
System.out.println("a howling dog");
}
public static void main(String[] args)
{
Dog dog = new Dog();
//dog.bark();
//dog.bark("male", "yellow");
//dog.bark(5, "China");
然后我们再来谈谈 重写(Overriding)
(1) 父类与子类之间的多态性,对父类的函数进行重新定义。如果在子类中定义某方法与其父类有相同的名称和参数,我们说该方法被重写 (Overriding)。在Java中,子类可
继承父类中的方法,而不需要重新编写相同的方法。但有时子类并不想原封不动地继承父类的方法,而是想作一定的修改,这就需要采用方法的重写。方法重写又称方法覆盖。
(2) 若子类中的方法与父类中的某一方法具有相同的方法名、返回类型和参数表,则新方法将覆盖原有的方法。如需父类中原有的方法,可使用super关键字,该关键字引用了
当前类的父类。
(3) 子类函数的访问修饰权限不能少于父类的;下面是重写的例子:
概念:即调用对象方法的机制。
动态绑定的内幕:
1、编译器检查对象声明的类型和方法名,从而获取所有候选方法。试着把上例Base类的test注释掉,这时再编译就无法通过。
2、重载决策:编译器检查方法调用的参数类型,从上述候选方法选出唯一的那一个(其间会有隐含类型转化)。如果编译器找到多于一个或者没找到,此时编译器就会报错。试着把
上例Base类的test(byte b)注释掉,这时运行结果是1 1。
3、若方法类型为priavte static final ,java采用静态编译,编译器会准确知道该调用哪个方法。
4、当程序运行并且使用动态绑定来调用一个方法时,那么虚拟机必须调用对象的实际类型相匹配的方法版本。在例子中,b所指向的实际类型是TestOverriding,所以b.test(0)调用
子类的test。但是,子类并没有重写test(byte b),所以b.test((byte)0)调用的是父类的test(byte b)。如果把父类的(byte b)注释掉,则通过第二步隐含类型转化为int,最终调用的是子类
的test(int i)。
学习总结:多态性是面向对象编程的一种特性,和方法无关。
简单说,就是同样的一个方法能够根据输入数据的不同,做出不同的处理,即方法的重载——有不同的参数列表(静态多态性)
而当子类继承自父类的相同方法,输入数据一样,但要做出有别于父类的响应时,你就要覆盖父类方法,即在子类中重写该方法——相同参数,不同实现(动态多态性)
OOP三大特性:继承,多态,封装。
public class Base
{
void test(int i)
{
System.out.print(i);
}
void test(byte b)
{
System.out.print(b);
}
}
public class TestOverriding extends Base
{
void test(int i)
{
i++;
System.out.println(i);
}
public static void main(String[]agrs)
{
Base b=new TestOverriding();
b.test(0)
b.test((byte)0)
}
}
这时的输出结果是1 0,这是运行时动态绑定的结果。动态绑定
重写的主要优点是能够定义某个子类特有的特征:
如:
public class Father
{
public void speak()
{
System.out.println("Father");
}
}
public class Son extends Father
{
public void speak()
{
System.out.println("son");
}
}
这也叫做多态性,重写方法只能存在于具有继承关系中,重写方法只能重写父类非私有的方法,
当上例中 Father类 speak()方法被private时,Son类不能重写 Father类 speak()方法,此时Son类 speak()方法相当与在Son类中定义的一个speak()方法.
Father类 speak()方法一但被final时,无论该方法被public,protected及默认所修饰时,Son类根本不能重写 Father类 speak()方法,试图编译代码时,编译器会报错.例:
public class Father
{
fianl public void speak()
{
System.out.println("Father");
}
}
public class Son extends Father
{
public void speak()
{
System.out.println("son");
}
}//编译器会报错.
Father类 speak()方法被时默认修饰时,只能在同一包中,被其子类被重些,如果不在同一包则不能重写.
Father类 speak()方法被时protoeted时,不仅在同一包中,被其子类被重些,还可以不同包的子类重写.
重写方法的规则:
1.参数列表必须完全与被重写的方法的相同,否则不能称其为重写而是重载.
2.返回的类型必须一直与被重写的方法的返回类型相同,否则不能称其为重写而是重载.
3.访问修饰符的限制一定要大于被重写方法的访问修饰符(public>protected>default>private)
4.重写方法一定不能抛出新的检查异常或者比被重写方法申明更加宽泛的检查型异常.例如,
父类的一个方法申明了一个检查异常IOException,在重写这个方法是就不能抛出Exception,只能抛出IOException的子类异常,可以抛出非检查异常.
而重载的规则:
1.必须具有不同的参数列表;
2.可以有不同的返回类型,只要参数列表不同就可以了;
3.可以有不同的访问修饰符;
4.可以抛出不同的异常;
重写和重载的区别在于:
重写多态性起作用,对调用被重载过的方法可以大大减少代码的输入量,同一个方法名只要往里面传递不同的参数就可以拥有不同的功能或返回值.
用好重写和重载可以设计一个结构清晰而简洁的类,可以说重写和重载在编写代码过程中的作用非同一般.
分享到:
相关推荐
内容概要:本文详细探讨了LDPC(低密度奇偶校验码)性能仿真的各个方面,包括关键参数的选择与调优、误比特率(BER)曲线的生成方法及其意义、以及不同译码方案的比较。文中通过具体的MATLAB和Python代码示例展示了如何进行LDPC码的设计与仿真,强调了码长、码率、列重等参数对性能的影响,并深入讨论了和积算法(Sum-Product)、最小和算法(Min-Sum)及其改进版本的特点和应用场景。此外,还介绍了软判决量化技术的优势与局限性,并提供了丰富的实战经验和技巧。 适合人群:从事通信工程、信道编码研究的专业人士,尤其是对LDPC码有浓厚兴趣的研究人员和技术开发者。 使用场景及目标:①帮助研究人员理解和掌握LDPC码的关键参数设置及其对性能的影响;②为开发人员提供实用的代码示例和优化建议,以便更好地应用于实际项目中;③通过对不同译码方案的比较,指导选择最适合特定应用场景的算法。 其他说明:本文不仅涵盖了理论分析,还包括大量实践经验分享,旨在为读者提供全面而深入的理解。同时提醒读者关注实际应用中的非理想因素,如信道噪声等,以确保仿真结果更加贴近现实情况。
Python3.12版本安装llama-cpp-python各种报错,试试我编译的库吧
本人创作,禁止商用
内容概要:本文探讨了多种优化算法在极限学习机(ELM)回归预测中的应用,旨在提高ELM的性能。文中介绍了粒子群优化算法(PSO)、狼群优化算法(GWO)、黏菌优化算法(SMA)、麻雀优化算法(SSA)和鲸鱼优化算法(WOA),并通过具体的Matlab代码示例展示了每种算法的工作流程及其对ELM参数优化的效果。此外,还讨论了各算法的特点、适用场景及优化过程中需要注意的问题。 适合人群:从事机器学习领域的研究人员和技术人员,特别是对回归预测和优化算法感兴趣的读者。 使用场景及目标:适用于需要改进极限学习机性能的研究和工程项目,目标是通过引入不同的优化算法来提升ELM的预测精度和稳定性。 其他说明:文章提供了详细的代码实现和参数配置建议,帮助读者更好地理解和应用这些优化方法。同时,强调了在实际应用中应注意的数据预处理和参数选择等问题。
Book Answer.zip
Linux系统中定时任务设置与文件查找技术详解
内容概要:本文详细探讨了综合能源系统中电、热、冷、气四种能源形式的优化调度方法,重点介绍了分时电价机制下的储能装置调度策略。通过Python代码实例展示了如何利用线性规划工具(如PuLP库)构建优化模型,实现储能装置的高效充放电管理以及多能流耦合设备的协调运作。文中不仅讨论了储能装置的充放电效率、初始电量设置等关键技术细节,还涉及了热泵、燃气锅炉、吸收式制冷机等多种设备之间的能量转换关系及其优化配置。 适合人群:从事综合能源系统研究的技术人员、能源管理系统开发者、工业自动化领域的工程师。 使用场景及目标:适用于需要降低综合能源系统运行成本的企业或机构,尤其是那些面临复杂电价政策和技术挑战的场景。目标是通过合理的调度策略,在满足各类能源需求的前提下,最大限度地减少运营成本,提高经济效益。 其他说明:文章强调了分时电价对储能调度的影响,并指出储能装置在削峰填谷方面的重要作用。此外,还提到了多时间尺度优化、设备启停成本等因素对整体优化效果的影响。
超星学习助手5.5.zip
内容概要:本文介绍了一种用于西门子PLC系列(如S7-200、300、1200、1500)的C#通讯类库。该类库能够直接嵌入C#框架,无需PLC端额外编码即可进行高效的单值和批量读写操作。文中详细展示了如何利用泛型方法、属性标签以及分块机制实现数据的快速传输,并讨论了连接管理和异常处理的最佳实践。此外,还介绍了类库在工业自动化项目中的应用优势,特别是在MES系统和云平台集成方面的灵活性。 适合人群:从事工业自动化项目的软件开发者和技术人员,尤其是熟悉C#编程并需要与西门子PLC交互的人群。 使用场景及目标:适用于需要将PLC数据对接MES系统或云平台的项目,旨在提高数据传输效率,减少开发时间和复杂度。具体应用场景包括但不限于生产线监控、设备参数调整、配方管理等。 其他说明:类库提供了丰富的API接口,支持多种数据类型的读写操作,同时具备良好的异常处理机制和性能优化措施。对于老项目的改造也非常友好,可以通过适配器模式快速集成到现有系统中。
内容概要:本文详细介绍了在一个四工位打标机项目中,如何利用西门子S7-1200 PLC和威纶触摸屏进行多工位设备联调。主要内容涵盖四个方面:一是步进电机四轴协同控制,通过MC_Power、MC_MoveRelative等指令实现精确运动控制,并强调了轴同步启动的重要性;二是Modbus485轮询四台变频器,构建了完整的轮询状态机,解决了时序控制和报文粘连的问题;三是上位机拍照控制,通过TCP/IP通信实现了相机控制和图像数据接收,解决了TCP粘包问题;四是多工位联动,采用了状态矩阵法管理和协调各个工位的状态变化,确保系统的稳定性和可靠性。此外,还分享了一些调试经验和常见问题的解决方案,如接地处理、通讯线布线等。 适用人群:从事自动化控制系统设计、安装和维护的技术人员,尤其是对西门子PLC和威纶触摸屏有一定了解的工程师。 使用场景及目标:适用于需要进行多工位设备联调的自动化生产线项目,旨在提高设备间的协作效率,减少调试时间和成本,确保系统的稳定运行。 其他说明:文中提供了大量实际项目的代码片段和技术细节,有助于读者更好地理解和应用于实际工作中。同时,作者还分享了许多宝贵的调试经验和注意事项,对于新手来说是非常有价值的参考资料。
内容概要:本文详细介绍了将模型预测控制(MPC)应用于三相并网逆变器的技术细节及其优化方法。首先对比了传统PI控制与MPC的区别,指出MPC能够更好地应对电网扰动。接着展示了MPC的核心算法,包括电压矢量的选择、预测模型的建立以及代价函数的设计。文中提到通过Clarke变换简化计算,并引入在线参数辨识提高预测准确性。此外,针对电网电压畸变等问题进行了改进,加入了谐波补偿项。硬件实测表明,MPC在电流跟踪精度和响应速度方面表现优异,特别是在电网电压突变情况下仍能保持稳定。 适合人群:从事电力电子、自动化控制领域的研究人员和技术人员,尤其是对三相并网逆变器感兴趣的专业人士。 使用场景及目标:适用于希望提升三相并网逆变器控制性能的研究项目或工业应用。主要目标是在保证高效能量传输的同时,减少开关损耗并提高系统的抗干扰能力。 其他说明:文章提供了丰富的代码片段和实践经验分享,有助于读者深入理解MPC的工作原理及其在实际工程中的应用技巧。同时强调了调参过程中的一些注意事项,如电感参数的影响、代价函数权重的选择等。
内容概要:本文详细探讨了针对永磁同步电机(PMSM)的传统滑模控制存在的抖振问题,并提出了一种基于新型趋近律的改进方案。文中首先介绍了新型趋近律的数学表达式及其物理意义,强调了参数γ和α对系统性能的影响。随后展示了Python和MATLAB两种环境下的实现代码,包括q轴电流控制器的设计、滑模面的构建以及控制律的具体实现。此外,文章还讨论了参数调试技巧、积分项处理方式、抗饱和措施等实用经验,并通过仿真和实验数据证明了改进方案的有效性。 适合人群:从事电机控制研究的技术人员、自动化领域的研究生及以上学历的研究者。 使用场景及目标:适用于需要提高PMSM控制系统稳定性和鲁棒性的场合,如工业自动化设备、电动汽车等领域。主要目标是减少抖振、提升响应速度并改善系统的总体性能。 其他说明:文中提供了大量具体的代码实例和调试建议,有助于读者快速理解和掌握新型趋近律的应用方法。同时指出了一些常见的陷阱和注意事项,为实际项目实施提供指导。
内容概要:本文详细介绍了如何使用Q-learning算法在三维环境中实现路径规划。首先构建了一个三维网格世界作为环境,其中包含了障碍物的设定。然后实现了Q-learning算法的核心部分,即QAgent类,负责根据当前状态选择最佳行动并更新Q值。为了提高效率,采用了字典形式的稀疏存储方式来记录状态-动作对的价值。此外,还设计了合理的奖励机制,如成功到达终点给予正向激励,碰到障碍物则给予负向反馈。同时提供了保存和加载训练成果的功能,以便后续复用。最后通过Matplotlib进行了可视化展示,直观呈现了智能体的学习过程及其最终形成的最优路径。 适合人群:对机器学习特别是强化学习感兴趣的开发者,以及从事机器人导航、自动驾驶等领域研究的专业人士。 使用场景及目标:适用于需要解决复杂环境下路径规划问题的应用场合,比如无人机飞行路径规划、室内机器人行走路线设计等。目的是使智能体能够在未知环境中自主寻找从起始位置到目标位置的安全路径。 其他说明:文中提到的方法虽然简单易懂,但在面对更大规模或连续性的环境时可能存在性能瓶颈。对于这类情况,可以考虑采用深度强化学习方法进一步改进。
内容概要:本文档详细介绍了如何使用Matlab实现CPO-BP冠豪猪算法(CPO)优化BP神经网络进行时间序列预测。项目背景在于时间序列预测的重要性及其面临的挑战,如数据噪声、非线性特征和BP神经网络易陷入局部最优解等问题。文中阐述了CPO优化BP神经网络的方法,通过CPO算法的全局搜索能力,提高了BP神经网络的预测精度和收敛速度。项目涵盖了从数据预处理、CPO算法优化、BP神经网络训练到预测的全过程,并提供了详细的代码示例。此外,项目还包括了GUI设计、模型评估、防止过拟合、参数调整等多个方面,确保模型的有效性和实用性。 适合人群:具备一定编程基础,熟悉Matlab和神经网络基础知识的研发人员,特别是从事时间序列预测研究和技术开发的专业人士。 使用场景及目标:①适用于金融、经济、电力需求、天气预报、医疗健康等多个领域的实际时间序列预测问题;②通过CPO优化BP神经网络,提高预测精度和模型收敛速度;③提供完整的代码实现和GUI界面,方便用户进行数据处理、模型训练和结果展示。 其他说明:项目不仅关注技术实现,还强调了实际应用中的注意事项,如数据质量、模型参数调优、算法收敛性、计算资源等。此外,项目提出了未来的改进方向,如引入深度强化学习、多模型集成、非平稳时间序列支持等,以进一步提升模型的性能和适应性。
现将 POSP 的设计步骤总结如下:首先以选定的窗函数作为 NLFM 信号的功 率谱函数,然后通过积分可以求得其 NLFM 信号的群时延函数,然后再通过对群时 延函数取反,便可以得到 NLFM 信号的调频函数,在取反函数的过程中可能会用到 多项式拟合、三次样条插值法、正切函数逼近法以及初等函数分段拟合等手段,在 得到调频函数之后,对其积分,得到 NLFM 信号的相位函数 clc clear all close all % 参数设置 T = 10e-6; % 脉冲宽度10微秒 B = 20e6; % 带宽20MHz Fs = 2 * B; % 采样率40MHz N_samples = round(T * Fs); % 总采样点数 t_axis = linspace(-T/2, T/2, N_samples); % 时间轴[-T/2, T/2] % 生成频率轴[-B/2, B/2] f_axis = linspace(-B/2, B/2, N_samples); % 生成Hamming窗作为功率谱 S_f = hamming(N_sampl
内容概要:本文详细介绍了使用SpringBoot构建在线学习系统的具体实现和技术要点。首先探讨了视频管理功能,采用MinIO进行对象存储,确保视频文件的安全性和高效管理。接着讲解了积分排行榜的实现,利用Redis的ZSet结构提高查询效率并保持实时性。同时强调了系统安全性的多个方面,如防止XSS攻击、敏感词过滤以及权限控制机制。此外,还分享了一些实用技巧,如文件下载时避免内存溢出、视频播放的分片传输、以及使用FFmpeg优化视频格式等。 适合人群:具有一定Java开发经验,特别是熟悉Spring框架的开发者,以及希望深入了解在线教育平台架构设计的技术爱好者。 使用场景及目标:适用于正在开发或维护在线教育平台的技术团队,旨在提升系统的稳定性和用户体验。主要目标包括:实现高效的视频上传和播放、构建高性能的积分系统、保障系统的安全性。 其他说明:文中不仅提供了具体的代码示例,还分享了许多实践经验,帮助读者更好地理解和应用相关技术。对于想要深入研究SpringBoot及其生态系统的人来说,是一份非常有价值的参考资料。
内容概要:本文深入探讨了双馈风力发电系统中基于双PWM变换器的直接转矩输入控制策略及其抗干扰设计。首先介绍了转子侧基于定子磁链定向的矢量控制,包括速度环和电流环的PI调节器参数设置及解耦补偿。接着讨论了网侧直接功率控制,强调了功率因数锁定在1.0的目标以及解耦算法的应用。此外,还详细描述了crowbar保护电路的作用及其触发逻辑,展示了其在应对风速突变和电网电压波动时的有效性。文中提供了多个代码片段用于解释具体实现,并分享了实际仿真的测试结果。 适合人群:从事风力发电系统设计与维护的技术人员,尤其是对双PWM变换器和直接转矩控制感兴趣的工程师。 使用场景及目标:适用于希望深入了解双馈风力发电系统控制策略的研究人员和技术人员。主要目标是掌握直接转矩输入控制的具体实现方法,提高系统的抗干扰能力和稳定性。 其他说明:文章引用了多篇权威文献,如《电力电子技术》和IEEE Transactions on Power Electronics,为读者提供了进一步学习的方向。同时,作者强调了现场调试的重要性,鼓励读者结合理论与实践进行探索。
内容概要:本文详细介绍了利用MATLAB进行综合能源系统的设计,重点探讨了主从博弈、多主体博弈以及碳交易机制的应用。文中通过具体的数学模型和代码实例展示了如何平衡多种能源的供需关系,如太阳能、风能和传统火力发电。作者通过定义成本函数、效用函数和碳排放函数,结合MATLAB的优化工具包(如fmincon),实现了对能源分配、碳交易和需求响应的仿真。此外,文章还分享了一些实际项目中的经验和技巧,如如何避免代码中的常见错误和优化性能。 适合人群:从事综合能源系统研究的技术人员、研究生及以上学历的学生,尤其是那些熟悉MATLAB编程和有一定优化理论基础的人群。 使用场景及目标:适用于需要理解和应用博弈论、优化方法于能源管理系统中的研究人员和技术开发者。主要目标是帮助读者掌握如何使用MATLAB实现复杂的能源管理和碳交易模型,从而更好地应对实际工程项目中的挑战。 其他说明:文章不仅提供了详细的代码示例,还包含了丰富的背景知识介绍和实践经验分享,有助于读者全面理解相关概念并在实践中加以运用。
内容概要:本文详细介绍了如何利用MATLAB搭建Z源光伏并网系统的仿真模型,重点探讨了扰动观察法(P&O)实现最大功率点跟踪(MPPT)以及电压电流双闭环控制的具体方法。文中通过具体代码展示了直通矢量法在Z源逆变器中的应用,解释了如何通过调整开关管的状态来实现电压提升,并讨论了双闭环控制中PID控制器的参数设置及其对抗电网扰动的作用。此外,文章还分享了一些仿真过程中的实践经验,如初始化设置、仿真精度和参数调整等方面的问题。 适合人群:从事电力电子、新能源发电领域的研究人员和技术人员,尤其适用于有一定MATLAB/Simulink基础并对光伏并网系统感兴趣的读者。 使用场景及目标:①帮助读者理解Z源逆变器的工作原理及其在光伏并网系统中的优势;②掌握扰动观察法和双闭环控制的具体实现方法;③提高仿真模型的准确性,为实际系统的设计和优化提供参考。 其他说明:文章强调了仿真过程中的一些关键技术和注意事项,如直通矢量的插入策略、PID参数的整定、仿真精度的选择等。通过对这些技术细节的深入探讨,旨在为读者提供一个完整的Z源光伏并网系统仿真解决方案。
内容概要:本文详细介绍了在OFDM(正交频分复用)系统中降低高峰均功率比(PAPR)的技术手段及其MATLAB仿真实现。文中首先构建了一个基础的OFDM发送端模型,随后依次讲解了PTS(部分传输序列)、SLM(选择性映射)和C变换三种主要的PAPR降低算法。对于每种算法,不仅提供了详细的代码实现步骤,还进行了CCDF(互补累积分布函数)仿真,以直观展示不同算法的效果。通过大量的仿真测试,比较了各种算法在降低PAPR方面的性能差异,帮助读者深入了解这些算法的工作原理及其应用场景。 适合人群:通信工程专业学生、从事无线通信系统设计的研究人员和技术人员。 使用场景及目标:适用于需要理解和解决OFDM系统中PAPR问题的专业人士,旨在提供理论指导和实用工具,帮助他们在实际项目中选择最适合的PAPR降低方案。 其他说明:本文提供的代码基于MATLAB 2012a环境,不同版本可能会有一些细微差别。此外,文中提到的各种算法各有优劣,在实际应用中可以根据具体需求灵活选择或组合使用。