7、深入理解面向对象复用:挑战与机遇

深入理解面向对象复用:挑战与机遇

1. 面向对象复用的现状与挑战

在当今的软件开发领域,许多大型公司在客户机/服务器面向对象策略上遭遇挫折,纷纷放弃或大幅缩减相关项目,转而回归传统的大型机。电信和金融服务行业的一些知名企业,将项目失败归咎于工具供应商的承诺和管理信息系统(MIS)经理的决策。当预期的生产力提升未能实现,甚至因员工学习新技术导致生产力下降时,这些项目往往被搁置或缩减。

然而,将项目失败完全归咎于面向对象技术并不公平。过度夸大复用的好处,可能在很大程度上扭曲了项目风险管理。对于许多公司来说,系统性复用在经济上并不划算,因为前期成本过高。此外,由于很多软件本身不具备可复用性,可复用组件的开放市场也受到阻碍。尽管存在许多通用概念,但真正通用的组件却寥寥无几。

1.1 复用并非万能解药

面向对象技术所承诺的复用性,并非是我们一直苦苦追寻的万能解决方案。如果投资面向对象技术的理由是期望通过复用实现生产力的大幅提升,那么可能会失望,因为这种情况往往难以实现。但如果是基于生产力和软件质量的逐步提升,这样的期望则更为现实。

对象的特性不仅有助于系统性复用,还能促进代码的挽救。虽然代码挽救与复用不同,但每挽救一行代码,就意味着少写一行代码,这在实际开发中具有重要的经济价值。

1.2 管理组件库的挑战

一个管理良好的组件库是实现复用的第一步,但复用也伴随着持续的成本,这些成本可能超过其带来的价值。以一个假设的场景为例,当收到可复用代码的“天使祝福”时,管理者们可能会欣喜若狂,但冷静下来后会发现,复用需要管理类库(可复用组件的仓库),并改变软件开发的方式,疯狂地复用库中的内容,消除不可复用代码。 </

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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
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