硬肝系列:23种设计模式之状态模式

本文详细解读了行为型设计模式中的状态模式,通过电灯开关切换为例,介绍了如何将状态抽象为接口,创建不同状态实现类并应用于实际场景。讨论了其优点、缺点及适用范围,帮助理解如何避免if-else的复杂扩展。

行为型模式—状态模式

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

23种设计模式之观察者模式

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!!!

什么是状态模式(行为型模式)

对于不同的状态有不同的行为表现,在不使用状态模式的前提下,如果判断不同的状态的话我们一般会使用switch case语句或者if-else语句来实现,但是当有新的状态时,就回去修改我们switch case语句或者if-else语句,这违反了我们的开闭原则,而且也不好扩展,所以就出现了我们的状态模式

状态模式就是将状态抽象为一个接口,根据不同的状态创建不同的实现类,分别代表不同的行为,可以很好的作为switch case语句或者if-else语句的代替者,但其实状态模式也不是完美支持开闭原则的,当创建一个新的状态或者修改状态的行为时都需要修改之前的源代码,一般我们使用状态模式的场景是我们的行为受到状态的约束,且状态不宜超过5个,超过5个势必会增加系统复杂度,得不偿失

示例

我们这里已电灯开关的为示例,开灯为一个状态,关灯为一个状态

定义一个状态接口

public interface State {
    void doSomething();
    void change(Context context);
}

两个接口实现类

public class StateOpen implements State{
    @Override
    public void doSomething() {
        System.out.println("灯光处于开启状态");

    }

    @Override
    public void change(Context context) {
        context.setState(new StateClose());
    }
}


public class StateClose implements State {
    @Override
    public void doSomething() {
        System.out.println("灯光处于关闭状态");
    }

    @Override
    public void change(Context context) {
        context.setState(new StateOpen());
    }
}

环境类

public class Context {
    private State state;

    public Context() {
        //设置初始状态
        this.state = new StateClose();
    }

    public State getState() {
        return state;
    }

    public void setState(State state) {
        this.state = state;
    }

    public void change(){
        state.change(this);
    }
    
	public void doSomething(){
        state.doSomething();
    }
}

环境类中维护了一个状态类的接口,需要改变状态时调用change()即可改变

测试类

public class Test {
    public static void main(String[] args) {
        Context context = new Context();
		//初始状态做的事
        context.doSomething();
        //改变状态
        context.change();
        //改变后状态做的事
        context.doSomething();
    }
}

测试结果

灯光处于关闭状态
灯光处于开启状态

优点

满足单一职责,结构清晰

状态类职责明确,易于扩展

减少对象间的相互依赖

缺点

当状态类过多势必会增加系统复杂度

要维护好状态类之间的转换不是一件容易的事

完成:TO: 2021/4/6 18:35

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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