重构三 Replace Type Code with Class

重构类型码为类
本文介绍如何通过重构将类型码替换为类、子类或状态/策略模式,以减少代码中的switch语句并提高可读性和可维护性。具体包括三种情况:常量类型码、依赖类型码的方法和涉及子类的情况。
有些类中存在类型码,可能是常量、也可能是枚举类型,这些其实也挺好,但是有时代码逻辑变的复杂时,我们想让状态码也承担一部分责任,这时我们使用Replace Type Code with Class进行重构。
首先,这份三种情况,
1.如果在原始类中,状态码只是常量,我们使用Replace Type Code with Class
2.如果在原始类中,方法根据状态码有一些列动作,且原始类没有子类,这时我们使用Replace Type Code with Subclasses
3.如果原始类有子类,那么我们使用Replace Type Code with State/Strategy
个人认为后两者原理相同,都是为了引入集成体系,如果可以利用原始类作基类就少引入一个类,否则就需要像3一样,需要引入单独的基类。

对于1,很简单,用对象替代状态码,对象中维护状态。
对于2和3,需要将原始类中状态码的逻辑移到继承体系中去,使用多态来去除状态码的丑陋。
另外,需要注意的是,不论哪中方法,都无法完全消除switch的影子,但是将switch作为初始化对象使用,还是可以忍受的。
【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