静态代理

静态代理 比较容易理解;

 满足惊呆代理的方式 需要满足一下几个条件:

1、 有真实角色(被代理的对象)

2、代理对象

3、有共同实现的接口  (愿望要一致  不然我让你代理干嘛,以接口来规范)

4、代理类 持有  被代理类的对象 (这样才能实现代理的愿望)


# 以结婚为对列  小刘 要结婚, 他是真实角色  ,婚介是代理,  小刘只要管自己结婚  而结婚前后的事情交给 婚介去做.


//接口  结婚  

public  inoterface domarry(){//有共同的接口

void marry();

}


//真实角色

public class XiaoLiu entends domarry{//有真实角色  

@override

        public void marry(){

 system.out.println("我和XX结婚");

}

}


//代理角色

public class WeddingCompany  entends domarry {  //有代理角色  

     private  XiaoLiu  xl ;

public WeddingCompany (XiaoLiu){

this.xl=xl

}


@override

        public void marry(){

before();

xl.marry();

after();

}

        void before(){

 system.out.println("结婚前我们帮你布置婚礼");

}

        void after(){

system.out.println("结婚后我们帮你安排旅游"); 

}

}


public static void main(String[] args){

XiaoLiu xl = new XiaoLiu();

WeddingCompany weddingcom = new WeddingComapny(xl);

weddingcom.marry();

}

输出结果:

结婚前我们帮你布置婚礼

我和XX结婚

结婚后我们帮你安排旅游


静态代理思想: 代理与被代理的主要愿望是一致的(接口), 然后代理人要持有被代理的对象(婚介公司需要有“你”这个对象)这样才能去做你想要做的事情。 代理对象可以 处理自己的行为.




MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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