JS模拟面向对象全解(四、构造对象)

从这一章开始,我们正式进入面向对象的学习。

JS没有“类”一说,都叫做“对象”。JS是十分精简的面向对象的语言,但十分强大,这是它的灵活之处。

面向对象必须有 封装性。

那么,在没有封装的时候,对象是什么样的呢?

就是Object。前面已经接触过。JS灵活到什么程度?你可以随意为Object增删属性。增加时无须声明,第一次使用时JS便为你创建好了。JS任何类型无用时,自动清理,属性也就自动删除。当你想删除你的对象某属性时,delete xx.xx 即可。


上面就创建了一个对象,叫obj,拥有x、y两个属性。

——

下面开始进入封装——对象的构造函数。


上面利用构造函数定义了一个名为Foo的抽象对象。后面利用new将其实例化为obj1。obj1在new之后就有x=1;y=2两个属性。

x、y相当于面向对象编程语言中的对象成员(非静态成员)

我也说过,JS一切都是开放的,没什么私有公有之说,所以成员是在任何时候、任何地点可被任何事物操作的。

——

加入一点儿方法的实现:

上面为Foo这个抽象对象增加了一个名为Bar的对象方法,链接的就是MyMethod这个方法(但是你不能以MyMethod为名调用,MyMethod是以“Bar”为名作为Foo的成员方法的)。

obj2在new了之后就有了自己的这个方法可以调用。

——

可是,上面那个办法添加的成员方法每一次都要赋值给构造的对象的Bar属性,并不是好办法。既然都是对象内统一的方法,不如用原型prototype来实现。


原型就是对象固有的,类似静态,但是可以拥有this指针。这就是JS的灵活之处。

不 必为每个构造的对象添加一个成员方法的属性,只需一个函数。但是,这个函数既然不是分配给实例对象的,而是抽象对象固有的,怎么会有this呢?你在调用 obj.DoIt()时,就把obj的指针传递过去了,DoIt又可以接收到,转化为this指针。JS很灵活就在这些方面。

——

prototype原型所定义的东西,就是抽象对象固有的东西。相当于高级面向对象编程语言所说的static静态成员。(当然,我说过JS的原型函数可以分配到this指针)

下面,就用原型定义属性来模拟static成员变量。


改变静态成员也必须用抽象对象的原型来改。Foo.prototype.y = 5;

可是,抽象对象原型属性与实例对象属性可以重名,而且如果实例对象拥有了与抽象对象原型属性同名的属性,则实例的对象属性要覆盖过抽象对象原型的属性。

下面是例子:


下面这个例子更丰富地演示了对象成员与静态成员的关系:


输出:

obj.y = 5
obj.y = 3

读者可以自己根据上例想一下两者关系。

对象成员与静态成员互不影响,但对于实例对象来首,对象成员是在首位的。

由“销毁了对象成员之后,对象仍然存在原型“静态”成员”可以看出来。

————————

上面提到的静态方法依然可以有this指针,其实是当作对象成员方法来用的,那么真正的静态方法怎么实现?

其实很简单,利用函数对象的特性就好了。


上 面,Foo也就是Foo对象的构造函数,Foo也就是个函数对象了,我们可以为对象任意添加属性。于是,我们可以为Foo这个函数添加一个名为show的 函数属性。这样,是为Foo这个函数对象添加的show函数属性,而与Foo的实例对象无关。这样就模拟出了对象的静态方法了。

——————

总结一下:

a、写对象,成员方法用原型prototype;

b、成员属性写再构造函数内;

c、静态属性用原型(模拟,可被对象属性覆盖)

d、静态函数用函数对象的属性模拟。

结合以上四种方法,混合使用,就可以打造一个完整漂亮的对象了!

 

后面,我会为大家讲JS对象的继承,敬请期待!

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识和Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统和负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
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