敏捷软件开发:第II部分 敏捷设计

本文介绍了软件设计中的五大基本原则:单一职责原则、开放-封闭原则、Liskov替换原则、依赖倒置原则及接口隔离原则,并详细解释了每个原则的含义及其在软件设计中的应用。

1.单一职责原则(SRP

高内聚性:就一个类而言,应该仅有一个引起它变化的原因。

2.开放-封闭原则(OCP

软件实体(类,模块,函数等等)应该是可扩展的,但是不可修改的。

如果程序中的一处改动会产生连锁反应,导致一系列相关模块的改动,那么设计就具有僵化性的臭味。OCP原则建议我们应该对系统进行重构。

Ø “对于扩展是开放的”(Open for extension

需求变更时,模块行为可以扩展。

Ø “对于修改是封闭的”(Closed for modification

对模块行为扩展时,不必改动所有模块的源代码,只有增加代码。

3.Liskov替换原则(LSP

子类型必须能够替换掉它们的基类型。

术语“IS-A”含义过于宽泛以不能作为子类型的定义。

4.依赖倒置原则(DIP

Ø 高层模块不应该依赖于低层模块。二者都应该依赖于抽象。

Ø 抽象不应该依赖于细节。细节应该依赖于抽象。

5.接口隔离原则(ISP

不应该强迫客户依赖于他们不使用的方法。

Ø 使用委托(事件订阅机制)分离接口

Ø 使用多重继承分离接口

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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