丑小鸭的故事--ruby中的方法

通过鸭子和天鹅的故事,介绍了Ruby语言中鸭子类型的特性,以及如何使用单例方法来为对象添加特殊行为,展示了Ruby的高度灵活性。

#ruby中的方法可以是类方法,可以是实例方法,还可是是自己的单件方法

#我们先来一只传统的鸭子

class Quacker
	def initialize
		@vox='quack,quack'
	end
	def swim
		puts "红掌拨轻波"
		self
	end
	def sing
		puts @vox
		self
	end
end


#每一只鸭子生下都会嘎嘎叫着游泳
quacker=Quacker.new
quacker.sing.swim
#quack,quack
#红掌拨轻波






#但是丑小鸭生下来只会hang,hang的叫
swan=Quacker.new
swan.instance_variable_set(:@vox,'hong,hong')
swan.sing.swim
#hong,hong
#红掌拨轻波






#到这儿,它没有任何特殊的,特别是他如此的又大又丑,以致于不招人喜欢,
#可是它是鸭子吗,鸭妈妈认为是,因为它会游泳,这是鸭子的天赋技能,我们也认同
puts "鸭妈妈也认为会游泳的都是鸭子" if swan.respond_to?(:swim)
#鸭妈妈也认为会游泳的都是鸭子
puts "我们认为这是一只鸭子" if swan.is_a?(Quacker)
#我们认为这是一只鸭子


#直到有一天。它学会了飞翔.但是鸭子是不会飞的
def swan.fly 
	puts "my heart will go on !!#{@vox}"
	self
end
swan.fly 
#my heart will go on !!hong,hong
#quack.fly 
# undefined method `fly' for #<Quacker:


#现在所有的鸭子都不会飞,虽然swan还是一只鸭子,但是它会飞了
#可是他还是一只鸭子,一只会飞的鸭子
puts "可怜的会飞的swan还是一只鸭子吗?我们的回答是响亮的:%s "%[swan.is_a?(Quacker)]
#除非我们为了演示define_singleton_method而粗暴的重写is_a?方法。
class Swan;end
swan.define_singleton_method(:is_a?) do |klass|
	if klass==Swan 
		return true
	elsif klass==Quacker
		return false
	else
		super
	end
end
puts "Q:现在swan 是一只鸭子吗\nA:%s\nQ:还是一只天鹅?\nA:%s"%[swan.is_a?(Quacker),swan.is_a?(Swan)]
#Q:现在swan 是一只鸭子吗
#A:false
#Q:还是一只天鹅?
#A:true

puts "Q:quacker 是一只鸭子吗\nA:%s\nQ:还是一只天鹅?\nA:%s"%[quacker.is_a?(Quacker),quacker.is_a?(Swan)]
#Q:quacker 是一只鸭子吗
#A:true
#Q:还是一只天鹅?
#A:false


#是的。受影响的是swan,而其它的鸭子不会受到任何影响,他们还是鸭子
#虽然我们粗暴的认为swan是一只天鹅了。但是鸭妈妈还是固执的认为因为它会游泳,所以它是鸭子,还记得吗
puts "鸭妈妈认为会游泳的都是鸭子" if swan.respond_to?(:swim)


#做为一只骄傲的天鹅,为了不被认为是一只鸭子 ,swan决定忘记它曾经会游泳
#天鹅可以拒绝游泳吗?用ruby的swan就是这样任性
class <<swan
	undef_method(:swim)
end
puts "**会游泳的鸭子不是好天鹅" unless swan.respond_to?(:swim)


#现在我们的鸭子,它还是可以快乐的唱着歌儿游泳,
quacker.sing.swim
#而我们的swan,虽然不能再游泳了,但是他可以在天上一直唱着我心永扬
swan.sing.fly
#hong,hong
#my heart will go on !!hong,hong
【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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