简单工厂模式

本文介绍了简单工厂模式的目的和原理,通过实例演示了如何通过父类和多个子类实现多态,以及如何使用创建对象的类来减少主程序中的判断逻辑。
一、目的:主要是解决创建不同对象的事情。

二、主要原理:
一个父类(Father),n个子类(Son)继承父类来实现多态;
一个生产对象的类(CreateClass)→声明一个父类(Father)对象,根据switch条件判断创建哪个子类对象(son)并返回这个子类对象;
主程序中→创建一个父类对象(father)来接收生产对象类中产生的子类对象(son)

三、简单示例:
public class Father
{
public virtual void SayHello(string words)
{
}
}

public class Son1:Father
{
public override void SayHello(string words)
{
Console.WriteLine("hello my name is 小红"+words);
}
}

public class Son2:Father
{
public override void SayHello(string words)
{
Console.WriteLine("hello my name is 小勇"+words);
}
}

public class CreateClass
{
public static Father GetSonClass (string type)
{
Father father=null;
switch(type)
{
case "小红":
father=new Son1();
break;
case "小勇":
father=new Son2();
break;
default:
break;
}
return father;
}
}

主程序main里的代码:
Father son=new CreateClass().GetSonClass("小红");
son.SayHello("很高兴加入大家");

主程序需要认识两个类,一个是父类Father,一个是创建对象的类CreateClass,通过调用CreateClass类的GetSonClass()方法来返回特定的对象,然后再调用特定对象的SayHello方法。在这里不难看出CreateClass类是用来创建不同的对象的。省去了在主程序中做过多的判断。
但是简单工厂模式的耦合度不如策略模式高(虽然两者几乎很相似),下一篇博客会主要介绍策略模式。



【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