软件设计原则:里氏替换原则

本文介绍了里氏替换原则,强调继承应作为类型扩展而非重定义,确保子类行为符合父类预期。通过实例分析和原则之间的权衡,讨论了如何正确使用继承、组合以及避免违反原则的陷阱,提倡设计可替换的组件和文档契约的重要性。

定义

里氏替换原则(Liskov Substitution Principle, LSP)确保继承表现为一种类型扩展而非类型的重定义。具体而言,如果类型 S 是类型 T 的子类型,则类型 T 的对象可以在程序中被类型 S 的对象替换(即,类型 S 的对象可以替代类型 T 的对象),而不改变该程序的期望行为。

应用场景

LSP 应用于任何基于继承的设计中,确保子类的行为符合父类的预期。它是多态性的核心原则,用于:

  • 类库设计,确保继承层次适当
  • 框架设计,确保派生类遵循基类契约
  • 任何利用继承和多态性的软件设计中

示例与反例

具体示例
以下 Java 代码演示了一个遵循了 LSP 的类层次结构的简单例子。

// 父类
class Transport {
    void startEngine() {
        // 启动发动机的通用操作
    }
}

// 子类
class Car extends Transport {
    @Override
    void startEngine() {
        // 实现启动汽车发动机的特定操作,但保持了 startEngine 的语义
    }
}

// 子类
class ElectricCar extends Transport {
    @Override
    void startEngine() {
        // 电动汽车启动“发动机”的操作,可能是启动电池等,但外部表现为“启动”
    }
}

// 该函数接受 Transport 类型的对象
void operateTransport(Transport transport) {
    transport.startEngine();
    // 执行其他操作
}

在这个例子中,无论 operateTransport 方法传入的是 Car 对象还是 ElectricCar 对象,都能够正确地“启动发动机”,符合 LSP。

具体反例
以下 Java 代码演示了违反 LSP 的类层次结构的例子。

// 父类
class Bird {
    void fly() {
        // 实现飞行
    }
}

// 子类
class Eagle extends Bird {
    // 鹰的飞行,继承自 Bird,没有违反 LSP
}

// 子类
class Ostrich extends Bird {
    @Override
    void fly() {
        throw new UnsupportedOperationException("鸵鸟不会飞!");
    }
}

// 该函数接受 Bird 类型的对象
void makeBirdFly(Bird bird) {
    bird.fly();
    // 其他依赖于飞行的操作
}

在这个反例中,makeBirdFly 方法期望传入的 Bird 类型的对象都能飞行。然而,Ostrich(鸵鸟)类重写了 fly 方法,并抛出了一个异常,因为鸵鸟实际上是不会飞的。这就违反了 LSP,因为 Ostrich 对象不能替换方法中的 Bird 对象而不改变程序的期望行为。

原则间的权衡与冲突

  • 与开闭原则(OCP):LSP 和 OCP 都强调扩展而非修改,但在某些情况下,为了满足 LSP,可能需要修改现有的类结构。
  • 与单一职责原则(SRP):有时为了满足 LSP,我们可能会将更多的责任放到子类,这可能会与 SRP 冲突。

设计原则的局限性

  • 过度强调 LSP 可能导致过度设计,增加了不必要的抽象层次。
  • 在某些情况下,过分遵循 LSP 可能导致性能问题,因为可能需要在运行时进行更多的类型检查。

总结与建议

  • 正确使用继承:在使用继承时,设计子类时要确保它们能够替换父类。不要仅仅因为两个类似乎有共性就使用继承。
  • 优先使用组合:在可能的情况下,优先使用组合而非继承,这可以减少不必要的依赖和耦合。
  • 设计可替换的组件:设计时,应确保组件可以在不影响程序整体行为的情况下被替换。
  • 避免重写非抽象方法:子类应避免重写父类的非抽象方法,除非是为了修复错误。
  • 增加测试:确保父类和子类都能通过相同的单元测试,这有助于验证 LSP 是否得到满足。
  • 文档和契约:明确文档中每个类和方法的责任,使用契约(如Java中的接口)来定义可替换的行为。
内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自: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: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
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