浅尝设计模式——如何使用装饰者模式

本文为阅读《Head First 设计模式》一书的摘要总结

装饰者模式

定义

装饰者模式 动态地将责任附加到对象上。若要扩展功能,装饰者提供了比继承更有弹性的替代方案。

类图:

装饰者和被装饰者都是组件,都有相同的超类型。

每个装饰者都有一个组件(对Component对象的引用),该组件属于被包装对象。

包装者中可以添加新的行为,这些行为可以通过在旧行为之前或之后做一些计算来添加的。

装饰者模式中的继承和组合:

ConcreteComponentDecorator都继承了Component,这里使用继承不是为了获得行为,而是为了装饰者与被装饰者达到 类型匹配,因为装饰者必须能取代被装饰者。当我们将装饰者与组件组合时,就是在加入新的行为。所的到的新行为,并不是继承自超类,而是由组合对象(装饰者与被装饰者行为的组合)得来的。

示例

一个可以组合成不同种类饮料并计算器价格的Demo:

共同的超类:

public abstract class Beverage {
    protected String description = "Unknown Beverage";
    public String getDescription(){
        return description;
    }

    public abstract double cost();
}

装饰者:

public abstract class CondimentDecorator extends Beverage {
    public abstract String getDescription(); //继承该类的子类必须重新实现该方法
}
public class Mocha extends CondimentDecorator{
    private Beverage beverage; //关键之处

    public Mocha(Beverage beverage) {
        this.beverage = beverage;
    }

    @Override
    public String getDescription() {
        return beverage.getDescription() + ", Mocha";
    }

    @Override
    public double cost() {
        return beverage.cost() + .20;
    }
}

被装饰者:

public class Espresso extends Beverage {
    public Espresso(){
        description = "Espresso";
    }

    public double cost(){
        return 1.99;
    }
}

装饰:

public class StartbuzzCoffee {
    public static void main(String[] args){
        Beverage beverage = new Espresso();//不被任何装饰者修饰
        System.out.println(beverage.getDescription() + ": $"+ beverage.cost());

        Beverage beverage1 = new Espresso();//被两个Mocha修饰
        beverage1 = new Mocha(beverage1);
        beverage1 = new Mocha(beverage1);
        System.out.println(beverage1.getDescription() + ": $" + beverage1.cost());
    }
}

java.io包下,许多类都是装饰者。

装饰者模式的一些弊端:

  1. 在设计中加入大量的小类。
  2. 存在类型问题。有些代码会依赖特定的类型,一旦这些代码被装饰者装饰,代码的类型就被装饰者代替了。
  3. 在使用装饰者模式实例化组件时,不仅要实例化组件,还需要实例化一大堆装饰者,这增加了代码的复杂度。
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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