动态代理-实例


package com.DynamicProxy;
//抽象角色
public interface BuyTicket {

public Ticket gettrick(String dest);

}



package com.DynamicProxy;

//具体角色
public class NormalBuyTicket implements BuyTicket{
NormalBuyTicket(){
System.out.println("fuck");
}

public Ticket gettrick(String dest) {
System.out.println("哪儿的票:");
System.out.println("售票处买到");
return new Ticket();

}


}

# [color=red][size=x-large]//method.invoke(obj)等同于NormalBuyTicket.gettrick();
# //method.invoke(obj,args)等同于NormalBuyTicket.gettrick(参数);
# //Object ret = method.invoke(obj,args)等同于NormalBuyTicket.gettrick(参数),有返回值[/size][/color]

package com.DynamicProxy;

import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Method;

//代理角色。动态代理的代理角色要实现代理类的接口,而不是抽象角色.
//客户端用proxy类(动态代理类)来和代理角色沟通,类似于静态代理的代理类
public class proxybuy implements InvocationHandler{
private Object obj;
String name;
public proxybuy(){}
public proxybuy(Object obj,String name){
this.obj=obj;
this.name=name;
}




//代理行为
public Object invoke(Object proxy, Method method, Object[] args)
throws Throwable {
System.out.println("代理前"+method);
System.out.println("黄牛党办理");
Object ret = method.invoke(obj,args);//放入被代理对象,抽象代理的方法,方法参数

[color=red][size=x-large]//method.invoke(obj)等同于NormalBuyTicket.gettrick();
//method.invoke(obj,args)等同于NormalBuyTicket.gettrick(参数);
//Object ret = method.invoke(obj,args)等同于NormalBuyTicket.gettrick(参数),有返回值[/size][/color]
System.out.println("代理后"+method);
return ret;
}

}






package com.DynamicProxy;

import java.lang.reflect.InvocationHandler;
import java.lang.reflect.Proxy;

import com.DynamicProxy.BuyTicket;
import com.DynamicProxy.proxybuy;
//测试类
public class testpy {
public static void main(String[] args){
BuyTicket buyy=new NormalBuyTicket();//呼叫被代理类
InvocationHandler ds = new proxybuy(buyy,"杭州");//初始化代理类

BuyTicket pys=(BuyTicket) Proxy.newProxyInstance(buyy.getClass().getClassLoader(), buyy.getClass().getInterfaces(), ds);
Ticket ticket = pys.gettrick("hangzhou");
System.out.println("ticket is : " + ticket);


System.out.println("hello你好".getBytes().length);
}
// String a=new String("anc");

}
//------------------------------------------
package com.DynamicProxy;

public class Ticket {

}

【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