硬肝系列:23种设计模式之中介者模式

本文介绍了设计模式中的行为型模式—中介者模式,用于解决对象间的复杂依赖关系。通过一个中介类来集中处理多个对象之间的交互,降低系统的耦合度。举例说明了如何在10个用户之间通过中介者进行消息传递,使得原本的网状结构变为更简洁的通信方式。文章指出,当多个类有相同行为时,可利用中介者模式提高代码复用性和可维护性。

行为型模式—中介者模式

硬肝系列目录

创建型模式

23种设计模式之工厂模式

23种设计模式之抽象工厂模式

23种设计模式之建造者模式

23种设计模式之原型模式

23种设计模式之单例模式

结构型模式

23种设计模式之适配器模式

23种设计模式之桥梁模式

23种设计模式之代理模式

23种设计模式之外观模式

23种设计模式之装饰器模式

23种设计模式之享元模式

23种设计模式之组合模式

行为型模式

23种设计模式之责任链模式

23种设计模式之命令模式

23种设计模式之迭代器模式

23种设计模式之中介者模式

23种设计模式之备忘录模式

到目前为止、23种设计模式的创建型模式 and 结构型模式都已经给大家肝完了,现在我们进入到一个全新的章节!!!

什么是中介者模式

这个中介者模式可不是23种设计模式之代理模式我这篇文章所提及到的那个房屋中介,那个是创建型模式,而这个是行为型模式,这个中介者模式主要做的是职责分离,使用一个中介者来作为对象的一个信息转发中心,我给大家举个例子吧有10个人,它们之间相互发消息,最平常的模式是不是定义一个User类,创建10个User对象,然后里面有一个方法,如下图
在这里插入图片描述
这样的话就会形成一个网状模样的通讯图,也就是对象与对象之间存在大量关联关系,如果是这样的话我们为什么不用一个新的类来管理我们的消息发送呢?也就是说我们发送消息是先发到中转站,然后中转站再帮我们转发,我们直接来上完整代码

基础用户类

import lombok.Data;

@Data
public class User {
    private String name;
    //省略其它属性


    public User(String name) {
        this.name = name;
    }

    public void sendMsg(String msg,User user){
    	//调用中介转发消息方法
        TransMsg.transMag(msg,this,user);
    }
}

中介者类:

public class TransMsg {
	//静态方法
    public static void transMag(String msg,User fromUser,User toUser){
        System.out.println(fromUser.getName() + "send msg: " + msg + " to: " + toUser.getName());
    }
    public static void transMag(String msg,User fromUser){
        System.out.println(fromUser.getName() + " send msg: " + msg);
    }
}

main方法测试:

    public static void main(String[] args) {

        //定义三个用户
        User Curry = new User("Curry");
        User James = new User("James");
        User Rose = new User("Rose");

		//发送消息
        Curry.sendMsg("i'm curry",James);
        James.sendMsg("i'm James",Rose);
        Rose.sendMsg("i'm Rose",Curry);
    }

执行结果:
在这里插入图片描述
这样我们就实现了通过中介者模式作为中转站,来对一个复杂的网状结构简化了,我上面举得例子可能有些简单了,有些同学可能还是一头雾水的

什么时候使用中介者模式呢?当我们多个类中有多个行为一致时,可以使用中间类来对它们进行封装,降低类的复杂度,提升类的可复用性

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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

打赏作者

python牛牛

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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