Strategy模式

本文详细介绍了策略模式的概念及其应用。通过示例代码展示了如何将一组算法封装进独立的类中,并实现算法之间的相互替换,使算法的变化不会影响客户端。具体演示了加、减、乘、除四种运算方式的实现。
package com.jaeson.javastudy.designpattern;

/**
 * 策略模式属于对象的行为模式。
 * 其用意是针对一组算法,将每一个算法封装到具有共同接口的独立的类中,从而使得它们可以相互替换。
 * 策略模式使得算法可以在不影响到客户端的情况下发生变化。
 * 
 */
public class StrategyPattern {
	
	private ICalculator strategy;
	public StrategyPattern(ICalculator strategy) {
		this.strategy = strategy;
	}
	
	public int cal(int i, int j) {
		return this.strategy.calculate(i, j);
	}
	public void setStrategy(ICalculator strategy) {
		this.strategy = strategy;
	}
	
	public static void main(String[] args) {
		
		StrategyPattern st = new StrategyPattern(new Plus());
		System.out.println(st.cal(1, 10));
		st.setStrategy(new Minus());
		System.out.println(st.cal(1, 10));
		st.setStrategy(new Multi());
		System.out.println(st.cal(1, 10));
		st.setStrategy(new Devide());
		System.out.println(st.cal(1, 10));
	}
}
class Plus implements ICalculator {
	@Override public int calculate(int i, int j) {
		return i + j;
	}
}
class Minus implements ICalculator {
	@Override public int calculate(int i, int j) {
		return i - j;
	}
}
class Multi implements ICalculator {
	@Override public int calculate(int i, int j) {
		return i * j;
	}
}
class Devide implements ICalculator {
	@Override public int calculate(int i, int j) {
		return i / j;
	}
}

 

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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