java 抽象类与接口_java中抽象类与接口的图文演示

727777d11349a70e1711cace0a44e2d8.png

首先看图:

863c0c1a0b02ee948f7b6628e3b38a39.png

抽象方法: 没有方法体的方法、必须在与抽象类中、被abstract修饰的方法。

1.抽象类可以存在抽象方法,可以存在普通方法

2.抽象类不能实例化

3.抽象方法必须被重写

4.抽象类的使用:

1)具体子类:重写所有的抽象方法+按需新增

2)抽象子类:按需重写+按需新增

5.抽象方法一旦被重写可以不在被重写

6.abstract与static,private,final,native不能一起使用

免费学习视频推荐:java在线教程

fe6942febaa17ddf70fb1d791e13a538.png

注意:

1.抽象方法的使用必须重写

2.接口不能实例化

3.需要实现类来实现接口,使用接口中的内容

具体的实现类: 必须重写所有的抽象方法+按需新增

抽象的实现类: 按需重写 + 按需新增

抽象实现类的使用,需要子类继承抽象类,重写所有的抽象方法。

4.类的继承使用extends关键字,实现使用implements关键字

5.类可以实现多个接口,如:class Test implements Demo,A,B

6.一个类应该先继承后实现

7.只能类实现几口,继承父类,但是接口和接口之间只能多继承

8.类和类之间之能单继承

33e6d0717b165c8fad48c4aefbcc8b09.png

相关文章教程推荐:java零基础入门

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
评论
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