1.策略模式(Strategy)

本文介绍了策略模式的概念及其在SimUDuck鸭子模拟游戏中的应用。通过将鸭子的行为抽象为不同的策略,并允许这些策略在运行时进行切换,使得系统更加灵活且易于维护。

策略模式:定义了算法族,分别封装起来,让他们之间可以互相替换,此模式让算法的变化独立于使用算法的客户

模拟鸭子游戏:SimUDuck
这里写图片描述
当涉及到维护的时候,为了复用的目的而使用继承,结局并不完美。

设计原则:
找出应用中可能需要变化的地方,把他们独立出来,不要跟那些不需要变化的代码混在一起。

如果每次新需求一来,都会使某部分代码发生变化,那么你就可以确定,这部分代码需要被抽取出来,和其他稳定的代码有所区分。
例子:模拟鸭子的游戏。
起初,建立了一个鸭子的超类,所有的子类去继承。但是鸭子的行为是不断变化的,甚至会在中途改变。
所以,将鸭子的行为抽取出来。

设计原则:
针对接口编程,而不是针对实现编程。

以前的做法是:行为来自Duck超类的具体实现,或者是继承某个接口并由子类自行实现而来的。这两种做法都是依赖于“”实现“”。
现在的做法:鸭子的子类将要使用接口(FlyBehavior与QuackBehavior),所以实际的实现不会被绑死在鸭子的子类中。换句话说,特定的具体行为编写在了实现FlyBehavior与QuackBehaviord的类中了。

设计原则:
多用组合,少用继承。

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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