Advanced Rails学习笔记

本文详细阐述了Ruby中方法调用的过程,从实例方法到继承链查找,再到模块混入的影响,深入理解Ruby方法调用机制。

    闲言碎语,以阐明ruby方法调用的原理。

    先决条件:
when a method is called, it is said that one is sending a message. The receiver is the object that the message is sent to.
当一个方法被调用,即说发送一个消息,这个消息的接收者即是方法的调用者。
例如:
o = Object.new
o.inspect
Object实例o调用了inspect方法,实际就是说给o发送一个调用inspect方法的消息。

 

    进入正题:

class A
end

class B < A
end

b = B.new
b.to_s #=>#<B:0x1cd3c0>

 执行过程:
1.沿b对象的klass指针找到B;(b是B的一个实例, b的klass指针指向B, klass指针通俗讲就是由实例指向类的指针,蕴含一种is_a?的概念,例如:b是B类的实例,则b的klass指针就指向B)

2.在B的m_tbl中查找是否存在to_s这个方法;(在类的内部存在一个m_tbl结构,实质是一个hash,它保存了该类的实例方法,注意:是实例方法;同时还存在一个iv_tbl的hash,保存该类的实例变量)

3.发现B内不存在to_s这个方法,则沿B的super指针找到A;(在类的内部存在一个super指针,指向其父类,外部调用就是B.superclass)

4.在A的m_tbl中仍然没有查找到to_s这个方法,于是沿A的super指针找到Object;(ruby 中的所有类都继承自Object)

5.Object包含to_s这个方法,因此该方法被调用(实际是调用原生方法 rb_any_to_s),返回类似"#<B:0x1cd3c0>"的结果。在这里,rb_any_to_s方法会检查原始消息的接收者的klass指针,来判断显示哪个类(是显示#<B:0x1cd3c0>,而不是#<A:0x1cd3c0>或#<Object:0x1cd3c0>)。原始消息的接收者是b,它是B类的实例,因此它的klass指向B,因此显示#<B:0x1cd3c0>。


ruby类的继承
    A继承Object, B继承A。 super chain: B ---> A ---> Object。这种由B到A,再到 Object的chain在ruby里称为lookup chain。

    这样当B的一个实例b调用某一方法时,会依次按照lookup chain进行查找。当类之间不仅有继承,而且有mixin的情况出现时,lookup chain就会有一些变化。如下:

module M
  def test
    puts "mod_method"
  end
end

class A
  def test
    puts "cls_method"
  end
end

class B < A
  include M
end

b = B.new
b.test #=> mod_method

 
    这时,lookup chain: B ---> [M] ---> A ---> Object,这里在B到A之间插入了一个M,之所以加上[]标记,是为了区分它与lookup chain上其他成员的区别。实际上这个[M]是对module M的klass的一个代理,ruby里称为ICLASSes。[M]包含了指向Module M的m_tbl和iv_tbl的指针。


    当B的实例b调用test方法时,b会沿自己的klass指针找到B,然后在B中查找test方法,miss后直接沿super指针向上层找到[M],然后发现test方法并执行之。这也是为什么 b.test调用会返回mod_method而不是cls_method的原因。





内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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