Design Pattern 12-Command

部署运行你感兴趣的模型镜像

using System;
using System.Collections ;
namespace Pattern
{
 public interface Command
 {
  void execute(); 
  void undo();

 }
 //其中execute用来执行命令,undo用来恢复(undo).


 //接下来实现这个接口,先来实现Cut命令:
 public class CutCommand : Command
 {
  public void execute()
  {
   /* 备份旧数据 */
   /* 剪切 */

  }

  public void undo()
  {
   /*  还原成备份的数据  */
  }

 }


 //再来实现一个Delete命令:
 public class DeleteCommand : Command
 {
  public void execute()
  {
   /* 备份旧数据 */
   /* 删除 */
  }


  public void undo()
  {
   /*  还原成备份的数据  */
  }

 }

 

 //这样的话我们每做一个编辑动作,就执行一个相应的command.接下来我们要考虑如何将这些执行过的命令保存下来,以实现undo/redo. 我们再设计一个CommandManager:
 public interface CommandManager
 {
  void storeCommand(Command cmd);
  void clearAllCommand();
  void undo();
  void redo();
 }
 //再来实现一个CommandManager, 我们称作CommandHistoryManager:
 public class CommandHistoryManager : CommandManager
 {
  ArrayList undoList=new ArrayList();
  ArrayList redoList=new ArrayList();
 
 
  public void storeCommand(Command cmd)
  {
   undoList.Add(cmd);
  }
  public void clearAllCommand()
  {
   undoList.Clear();
   redoList.Clear();
  }
  public void undo()
  {
   if ( undoList.Count <= 0 ) return;
   Command cmd = (Command)undoList[undoList.Count -1];
   cmd.undo();
   undoList.Remove (cmd);
   redoList.Add(cmd);
  }
  public void redo()
  {
   if ( redoList.Count <= 0 ) return;
   Command cmd = (Command)redoList[redoList.Count -1];
   cmd.execute();
   redoList.Remove(cmd);
   undoList.Add(cmd);
 
  }
 
 }

}

您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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