Spring中的控制反转(IOC)

本文介绍通过配置文件实例化对象的方法,即控制反转(IOC),并演示如何使用XML配置文件来选择不同的字符串转换实现。通过定义接口及其实现类,利用Spring框架进行依赖注入。

    什么控制反转,还弄了一个新名词 —— ioc,说白了就是配置和程序相分离,通过配置文件进行实例化对象的操作,这跟李老师讲解的工厂设计完全是一个思路,找到XML解析,对应的内容,进行反射实例化,之后再通过反射调用类中的方法设置实例化对象,这原理多简单,我以后可不相信网上的那些人了,说什么spring特别难之类的,所谓的难真是对那些没有思想的人来说的,都说hibernate难,我也没觉得有多难,关键是思想啊!

 

3、建立接口

 

定义转换方法

 

package org.liky.dao;

public interface ChangeDAO {

    public String changeString(String input) throws Exception;

}

 

 

4、定义两个实现类

定义两个实现类,分别实现转换为大写和小写的功能

 

package org.liky.dao.impl;

import org.liky.dao.ChangeDAO;

public class ToLowerDAOImpl implements ChangeDAO {

    public String changeString(String input) throws Exception {

       // TODO Auto-generated method stub

       return input.toLowerCase();

    }

}

package org.liky.dao.impl;

import org.liky.dao.ChangeDAO;

public class ToUpperDAOImpl implements ChangeDAO {

    public String changeString(String input) throws Exception {

       // TODO Auto-generated method stub

       return input.toUpperCase();

    }

}

 

 

5、在配置文件中配置实现类

 

    <bean id="upper" class="org.liky.dao.impl.ToUpperDAOImpl"></bean>

    <bean id="lower" class="org.liky.dao.impl.ToLowerDAOImpl"></bean>

 

 

6、测试

在测试类中创建对象,进行测试。

 

    public static void main(String[] args) {

       // TODO Auto-generated method stub

       ChangeDAO changedao = null;

      

       // 创建XML读取类,并传入xml的文件名

       ApplicationContext ctx = new ClassPathXmlApplicationContext(

              "applicationContext.xml");

       // 通过xml中配置的bean的id值自动创建对应的对象

       changedao = (ChangeDAO) ctx.getBean("lower");

      

       try {

           System.out.println(changedao.changeString("Hello World"));

       } catch (Exception e) {

           // TODO Auto-generated catch block

           e.printStackTrace();

       }

    }

【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
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