继承与派生(一)

简介:

1.定义一个employee类(雇员类),包含了级别(grade)、月薪(accumPay)等保护数据成员,包含构造函数及成员函数pay(),实现月薪计算函数pay()(返回值为accumPayaccumPay=grade×30)。定义employee类的派生类:worker类(工人人员类)、salesman(销售人员类)manager类(管理人员类),并分别实现各派生类的构造函数及月薪计算函数pay()。各派生类月薪计算关系如下:

1)工人人员月薪总额【工龄工资+按小时计酬】:雇员类月薪(工龄工资)+100×workHours(当月工作时数)

2)推销人员月薪总额【工龄工资+按小时计酬+销售提成】:雇员类月薪(工龄工资)+100×workHours (当月工作时数)+sales(当月销售额)×0.01

3)管理人员月薪总额【工龄工资+固定月薪数】:雇员类月薪(工龄工资)+8000(固定月薪数)

各派生类对象初始化值如下:

基本雇员(级别:10

工人人员(级别:2、 工作时数:10

销售人员(级别:3、 工作时数:10、 销售额2000

管理人员(级别:5

 

 

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
# include <iostream>
using  namespace  std;
class  Employee{
public :
Employee( int  Grade){
grade=Grade;
cout<< "基础月薪:" <<pay()<<endl;
}
int  pay(){
int  accumPay;
accumPay=grade* 30 ;
return  accumPay;
}
private :
int  grade;
};
class  worker: public  Employee{
public :
worker( int  Grade, int  workHours):Employee(Grade){
hours=workHours;
cout<< "工人月薪总额:" <<Pay()<<endl;
}
int  Pay(){
return  pay()+hours* 100 ;
}
private :
int  hours;
};
class  salesman: public  Employee{
public :
salesman( int  Grade, int  workHours, int  Sales):Employee(Grade){
hours=workHours;
sales=Sales;
cout<< "推销人员月薪总额:" <<Pay()<<endl;
}
int  Pay(){
return  pay()+hours* 100 +sales* 0.01 ;
}
private :
int  hours,sales;
};
class  manager: public  Employee{
public :
manager( int  Grade):Employee(Grade){
cout<< "管理人员月薪总额:" <<Pay()<<endl;
}
int  Pay(){
return  pay()+ 8000 ;
}
};
int  main(){
Employee my_employee( 10 );
worker my_worker( 2 , 10 );
salesman my_salesman( 3 , 10 , 2000 );
manager my_manager( 5 );
return  0 ;
}



本文转自 pangfc 51CTO博客,原文链接:http://blog.51cto.com/983836259/1338340,如需转载请自行联系原作者
相关文章
|
10天前
|
数据采集 人工智能 安全
|
6天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
320 164
|
5天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
324 155
|
6天前
|
编解码 人工智能 自然语言处理
⚽阿里云百炼通义万相 2.6 视频生成玩法手册
通义万相Wan 2.6是全球首个支持角色扮演的AI视频生成模型,可基于参考视频形象与音色生成多角色合拍、多镜头叙事的15秒长视频,实现声画同步、智能分镜,适用于影视创作、营销展示等场景。
383 4
|
13天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
919 7