`
royakon
  • 浏览: 8622 次
  • 性别: Icon_minigender_1
  • 来自: 北京
最近访客 更多访客>>
社区版块
存档分类
最新评论

一切都是对象笔记-第一天

    博客分类:
  • java
阅读更多

 

尽管Java是基于C++的,但是相比之下,Java是一种更“纯粹”的面向对象程序设计语言。Java语言假设我们只进行面向对象的程序设计。

2.1引用操纵对象

每种编程语言都有自己的操纵内存中元素的方式。所有这一切在Java里都得到了简化。一切都被视为对象,因此可以采用单一固定的语法。尽管一切都看作对象,但操纵的标识符实际上是对象的一个“引用”(reference)。这可能会引起争议:有人认为“很明显,它是一个指针” 。但是这种说法是基于底层实现的某种假设。并且,Java中的引用,在语法上更接近C++的引用而不是指针。

你拥有一个引用,并一定需要有一个对象与它想关联。

 

String s;
 

 

 

这里所差u那个见的只是引用,并不是对象。一种安全的做法是:创建一个引用的同时便进行初始化。

 

String s="hello";
 

 

2.2必须由你创建所有对象

一旦创建了一个引用,就希望它能与一个新的对象相关联。通常用“new”来实现:

 

String s = new String("hello");
 

 

2.2.1存储到什么地方

程序运行时,对象是怎么进行放置安排的呢?特别是内存是怎样分配的呢?

  1. 寄存器:根据需求进行分配。你不恩那个直接控制,也不能在程序中感觉到寄存器存在的任何迹象
  2. 堆栈:位于通用RAM中,堆栈指针若向下移动,则分配新的内存;若向上移动,则释放那些内存。创建程序时,Java系统必须知道存储在堆栈内所有项的确切生命周期,以便于上下移动堆栈指针。这一约束限制了程序的灵活性,所以虽然某些Java数据存储于堆栈中–特别是对象引用,但是Java对象并不存储于其中。
  3. 堆:一种通用的内存池,用于存放所有的Java对象。
  4. 常量存储:常量值通常直接存放在程序代码内部,这样做是安全的,因为它们永远不会被改变。
  5. 非RAM存储:数据完全存活于程序之外,基本的例子是”流对象”和“持久化对象”。

2.2.2特例:基本类型

在程序设计中经常用到一系列类型,它们需要特殊对待,可以把它们想象成“基本”类型。它们不用new来创建变量,而是创建一个并非是引用的“自动”变量。这个变量直接存储“值”,并置于堆栈中,因此更加高效。

c360_2011-08-22-23-28-45

基本类型具有包装器类,使得可以在堆中创建一个非基本对象,用来表示对应的基本类型。

Java提供了两个用于高精度计算的类:

  1. BigInter:支持任意精度的整数
  2. BigDecimal:支持任意精度的定点数

二者都没有对象的基本类型,但是任何对基本类型的操作同样适用于它们,只不过必须以方法调用的方式取代运算符实现,所以运算速度会比较慢。在这里我们以速度换取了精度。

2.2.3Java中的数组

当创建一个数组对象时,实际上就是创建了一个引用数组,并且每个引用被自动初始化为null

还可以创建用来存放基本数据类型的数组。编译器也能确保这种数组初始化为0

2.3永远不需要销毁对象

基本数据类型,以及对象引用的作用域决定了它们的创建和销毁。在Java中,作用域由大括号({})来决定:

 

{
    int x = 12;
    // Only x available
    {
        int q = 96;
        // Both x % q available
    }
    // Only x available, q is "out of scope"
}
 

 

在Java中,不允许小作用域重新定义变量来“隐藏”大作用域变量,这样做容易导致程序混乱。

对象不受到作用域的限制

 

{
    String s = new String("hello");
    // object s available
}
// s is "out of scope",but object still available until jvm destroy
 

 

引用s在作用域终点就消失了。然而,s指向的String对象仍然占据内存空间,可以跨越作用域的限制,直到被Java的垃圾回收器自动回收。垃圾回收器通过对象是否存在指向其的引用来判断是否应该回收对象,上边的例子中,由于唯一指向String对象的引用s的消失,将自动被垃圾回收器回收。

本文首发自:一切都是对象-第一天-蜘蛛网间

 

0
1
分享到:
评论

相关推荐

    c#学习笔记.txt

    )专为.NET设计的一门语言,号称“C/C++家族中第一种面向组件的语言”。很多人觉得它应该像C或者C++,但事实上它更像是java的一个clone,所以作为入门,读一下清华大学出版社出版的《Java 语言与面向对象程序设计》...

    1 第一天 魔乐java基础视频学习笔记.docx

    6. 面向对象:Java是纯面向对象的语言,一切皆为对象。 【Java的三大平台】 1. J2SE(Java Standard Edition):主要用于桌面应用程序的开发。 2. J2EE(Java Enterprise Edition):针对企业级应用,如银行、电信...

    自己动手写操作系统(含源代码).part2

    当然,开发环境毕竟是第二位的,书中讲述的内容以及涉及的代码跟第一版都是一致的。本书的下篇全部都是新鲜内容,主要是增加了进程间通信、文件系统和内存管理。跟第一版的做法相同,下篇仍然不仅关注结果,更加致力...

    自己动手写操作系统(含源代码).part1

    当然,开发环境毕竟是第二位的,书中讲述的内容以及涉及的代码跟第一版都是一致的。本书的下篇全部都是新鲜内容,主要是增加了进程间通信、文件系统和内存管理。跟第一版的做法相同,下篇仍然不仅关注结果,更加致力...

    白雪-WQ深度推理加持投研投顾场景.pdf

    DataFunSummit2025知识图谱峰会嘉宾演讲PPT合集

    张惟师法律大模型X知识图谱激活法律服务行业新范式.pdf

    DataFunSummit2025知识图谱峰会嘉宾演讲PPT合集

    tesseract-langpack-kat-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-kat-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-kat-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    炼石图解网络数据安全管理条例及数据安全合规与技术体系2024630页.pdf

    炼石图解网络数据安全管理条例及数据安全合规与技术体系2024630页.pdf

    【强化学习与控制工程】基于积分强化学习的不确定非线性系统H∞跟踪控制:神经网络在线学习与鲁棒控制设计了针对具有外部(复现论文或解答问题,含详细可运行代码及解释)

    内容概要:本文探讨了针对具有外部干扰和输入约束的不确定非线性系统的H∞跟踪控制问题。为解决Hamilton-Jacobi-Isaacs (HJI)偏微分方程求解难题,提出了在线模型无关的积分强化学习(IRL)算法。该算法通过构建评价-执行-干扰三神经网络并同步更新,结合Lyapunov方法证明了系统稳定性和收敛性。此外,控制器中加入了鲁棒项以减弱神经网络逼近误差的影响,确保闭环系统的渐近稳定。文中提供了详细的代码实现,包括HJI方程计算、IRL算法、鲁棒控制设计以及控制策略生成,并通过两个仿真示例验证了算法的有效性。 适合人群:具备一定编程基础,特别是对强化学习、非线性控制系统、神经网络有一定了解的研发人员或研究人员。 使用场景及目标:①研究不确定非线性系统的H∞跟踪控制问题;②理解如何利用神经网络和积分强化学习解决HJI方程求解难题;③掌握在线模型无关的控制算法设计方法;④探索鲁棒控制策略的设计与实现。 其他说明:本文不仅提供了理论分析,还给出了具体的代码实现,便于读者理解和实践。在实际应用中,可根据具体需求调整神经网络结构、超参数设置及鲁棒项设计。此外,建议进一步验证算法在不同场景下的表现,如不同类型的非线性系统、时变参考轨迹和随机干扰信号等。

    tesseract-langpack-mon-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-mon-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-mon-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    基于Copula理论与K-means的风光出力相关性建模及场景生成方法

    内容概要:本文介绍了一种利用Copula函数和K-means聚类相结合的方法,用于处理风速和光照强度的相关性,从而生成更加符合物理规律的风光出力场景。首先,通过Frank-Copula函数建立风速和光照强度的联合分布,解决了传统蒙特卡洛方法生成的场景不符合物理规律的问题。然后,使用K-means聚类进行场景削减,确保生成的场景不仅数量适中,还能保持原有的相关性结构。文中详细展示了从数据预处理、Copula参数估计、场景生成到最后的场景削减的具体步骤,并提供了相应的Python代码片段。此外,还讨论了一些实践中需要注意的技术细节,如边缘分布选择、噪声添加、聚类距离度量等。 适合人群:从事新能源系统规划、电力系统优化调度的研究人员和技术人员,以及对Copula函数和K-means聚类感兴趣的学者。 使用场景及目标:适用于需要精确模拟风电场和光伏电站出力场景的应用场合,如电力系统仿真、负荷预测、电网调度等。主要目标是提高风光出力场景生成的准确性,减少因忽视相关性带来的建模误差。 其他说明:该方法已在多个实际项目中应用,显著提高了风光出力场景生成的质量,减少了系统运行成本模拟的误差。未来还可以进一步扩展到多维相关性建模,如海上风电与波浪的影响。

    自动驾驶领域中Prescan、CarSim、Simulink联合仿真的弯道超车避撞技术实现

    内容概要:本文详细介绍了如何通过Prescan、CarSim和Simulink三个软件联合仿真,实现弯道超车并避撞前方机动车的技术细节。首先,采用Frenet坐标系下的五次多项式进行路径规划,确保路径平滑且符合起始点和终点的速度、加速度等边界条件。其次,应用模型预测控制(MPC),通过建立车辆动力学模型,预测未来状态并优化控制输入,使车辆沿规划轨迹行驶。此外,文中还涉及了三软件的具体配置和调试技巧,以及横向轨迹跟踪对比图和仿真图的展示,验证了所提方案的有效性和优越性。 适合人群:从事自动驾驶研究和技术开发的专业人士,尤其是对路径规划和避障控制感兴趣的工程师。 使用场景及目标:适用于模拟复杂弯道场景下的自动驾驶行为,旨在提高车辆在弯道超车时的安全性和稳定性,减少横向误差,提升驾驶体验。 其他说明:文中提供的代码片段和调试建议有助于解决实际操作过程中可能出现的问题,如数据同步、坐标系转换等。同时,强调了各软件之间的协同工作及其重要性。

    基于OpenCV和Python的车道线检测系统(带PyQt5 UI界面)设计与实现

    内容概要:本文详细介绍了如何使用OpenCV和Python构建一个带有图形用户界面(GUI)的车道线检测系统。主要内容涵盖图像加载、预处理(灰度化、高斯滤波)、Canny边缘检测、感兴趣区域提取、霍夫直线检测、直线拟合以及最终将检测结果叠加回原始图像。此外,还包括了如何利用PyQt5库创建一个简单的用户界面,使用户可以通过按钮选择图片或视频进行车道线检测,并实时查看处理结果。 适合人群:具有一定编程基础,尤其是熟悉Python和OpenCV库的开发者和技术爱好者。 使用场景及目标:适用于希望快速入门车道线检测技术的研究人员或学生,旨在帮助他们理解车道线检测的基本原理及其具体实现方法。同时,也为有兴趣开发自动驾驶相关应用的人士提供了一种可行的技术路线。 其他说明:文中不仅提供了详细的代码片段,还分享了一些实用技巧,如参数调整的经验值、常见问题解决方案等。此外,作者还提到了一些优化建议,比如通过减少图像尺寸提高性能,或者采用C++重写核心模块以获得更好的运行速度。

    【MATLAB编程基础】MATLAB基本语法与常用函数详解:涵盖向量操作、流程控制、绘图及特殊矩阵函数应用

    内容概要:本文档主要介绍了MATLAB编程的基础知识,包括向量的创建与运算、输入输出函数、分支结构(if语句、switch语句)、循环结构(for循环、while循环)、函数体的编写以及绘图函数(plot、subplot、stem、scatter)。此外,还讲解了一些特殊的矩阵函数,如全零矩阵、全1矩阵和随机矩阵的生成方法。通过这些内容的学习,读者能够快速掌握MATLAB的基本语法和常用功能。 适合人群:适合初学者或有一定编程基础但对MATLAB不熟悉的用户,尤其是理工科学生、科研人员及工程师。 使用场景及目标:①帮助用户快速入门MATLAB编程语言,为后续深入学习打下坚实的基础;②适用于需要进行数据可视化、数值计算、仿真模拟等任务的人群;③通过实例演示,使用户能够理解和应用MATLAB的各种语法结构和绘图技巧。 阅读建议:本文档以基础语法为主,建议读者结合实际练习来巩固所学知识,同时可以尝试修改示例代码中的参数,观察不同参数对结果的影响,从而加深对MATLAB的理解。

    Cursor Setup 0.42.5 - Build 24111460bf2loz1-x64.exe.wim

    Cursor Setup 0.42.5 - Build 24111460bf2loz1-x64.exe.wim

    【AUTOSAR内存管理】基于Flash EEPROM Emulation模块的非易失性数据存储设计与实现:架构、API及操作流程分析了文档的主要内容

    内容概要:本文详细介绍了基于AUTOSAR规范的Flash EEPROM Emulation (FEE)模块,该模块旨在Flash存储器上模拟EEPROM功能,解决Flash有限擦写次数的问题,为上层软件提供几乎无限次擦写的非易失性数据管理服务。文章阐述了FEE模块在AUTOSAR内存存储架构中的位置及其与各层的接口关系,解析了模块的内部状态管理机制,包括四个主要状态及其转换条件,还描述了配置结构,涵盖顶层配置、块配置及模块常量配置参数。此外,文章列举并分类了FEE模块提供的API接口,包括初始化、数据操作、状态获取和调度等功能,并说明了API的设计遵循AUTOSAR标准。; 适合人群:对汽车电子软件开发有兴趣的工程师,尤其是从事嵌入式系统开发,熟悉AUTOSAR架构的工程师。; 使用场景及目标:①理解Flash EEPROM Emulation模块在AUTOSAR架构中的角色;②掌握FEE模块的状态管理机制和配置方法;③学会使用FEE模块提供的API进行非易失性数据的操作和管理。; 其他说明:此文档不仅有助于深入理解FEE模块的工作原理,也为实际项目中的应用提供了指导,建议读者结合实际开发环境进行实践,以更好地掌握相关技术细节。

    tesseract-langpack-nld-4.0.0-6.el8.x64-86.rpm.tar.gz

    1、文件说明: Centos8操作系统tesseract-langpack-nld-4.0.0-6.el8.rpm以及相关依赖,全打包为一个tar.gz压缩包 2、安装指令: #Step1、解压 tar -zxvf tesseract-langpack-nld-4.0.0-6.el8.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm

    MATLAB仿真:基于IEEE33节点的风光储能主动配电网优化与调度

    内容概要:本文详细介绍了基于MATLAB仿真的IEEE33节点主动配电网优化研究,涵盖了风光储能和传统机组的混合调度。文中展示了如何通过模块化的代码结构轻松调整设备接入位置、目标函数以及约束条件。具体实现了总成本最小化的目标函数,包括设备运维、燃料成本和购电成本等,并引入了碳排放成本作为创新点。同时,针对储能系统的SOC限制和节点电压约束进行了巧妙处理,确保了系统的稳定性。此外,采用粒子群算法进行优化求解,并提供了遗传算法的备用实现,便于对比实验。最终结果不仅展示了优化后的成本降低情况,还通过可视化工具直观呈现了各时段的出力曲线和电压分布。 适合人群:从事电力系统优化的研究人员、高校相关专业学生、对智能电网感兴趣的工程师。 使用场景及目标:适用于需要理解和掌握主动配电网优化方法的人群,帮助他们快速搭建仿真环境并进行多种调度策略的测试。主要目标是通过实例学习如何利用MATLAB实现复杂的电力系统优化问题,提高对风光储能等新能源接入的理解和技术应用能力。 其他说明:该程序具有良好的扩展性和灵活性,支持多种不确定性的处理方式,如负荷预测误差和新能源出力波动。同时,提供了详细的案例研究文档,有助于初学者逐步深入理解各个模块的功能及其相互关系。

    第二十九章:Python-mahotas库:图像处理的高效工具

    资源绑定附上完整资料供读者参考学习!

    基于Matlab的混沌麻雀搜索优化算法(CSSOA)实现及其改进

    内容概要:本文详细介绍了混沌麻雀搜索优化算法(CSSOA)的实现与改进,主要集中在三个方面:一是通过改进Tent混沌序列初始化种群,使初始解分布更加均匀,从而提升全局搜索能力;二是引入高斯变异以增强局部搜索能力,确保算法能在细节处深入挖掘;三是通过混沌扰动机制帮助算法摆脱局部最优困境。文中提供了详细的Matlab代码实现,并展示了这些改进措施的实际效果。此外,还讨论了一些实用建议和技术细节,如并行化加速、参数选择等。 适合人群:具有一定数学基础和编程经验的研究人员、工程师以及对优化算法感兴趣的学者。 使用场景及目标:适用于解决复杂的工程优化问题,特别是那些存在多个局部极值点的问题。通过改进的CSSOA算法,可以在较短时间内获得高质量的解决方案,提高求解效率。 其他说明:文章不仅提供了理论解释,还包括具体的代码实现和实验数据支持,有助于读者更好地理解和应用该算法。同时提醒读者注意一些潜在的技术陷阱,如Tent序列生成时可能出现的周期性问题等。

Global site tag (gtag.js) - Google Analytics