44、UML 建模规则与序列图开发指南

UML 建模规则与序列图开发指南

在软件开发领域,统一建模语言(UML)是一种广泛应用于面向对象分析和设计的标准语言。它提供了一系列用于描述系统不同方面的图表,然而,其中一些图表的开发,尤其是对象交互图(OID),包括序列图和协作图,对开发者来说颇具挑战。下面将详细介绍 UML 建模的规则以及一种有效的序列图开发启发式方法。

UML 建模规则

在使用 UML 进行概念建模时,为了确保模型具有有意义的本体解释并保证不同图表之间的一致性,我们提出了一系列规则。

类属性规则

规则 10:UML 中的类属性只能表示由该类实例组成的组合体的(涌现)属性,并且这个组合体必须明确建模(包括其属性)。

状态图规则

UML 使用状态和状态机的语义来指定离散的动态行为。一个对象的 UML 状态由一个不变条件定义,即对象处于该状态时该条件始终成立。为了确保类图和状态图之间的一致性,我们提出以下规则:
- 规则 11:UML 状态表示为定义该状态的对象的属性分配特定的值。UML 转换必须至少改变这些属性中的一个值。
- 规则 12:对于一个超状态的所有直接子状态,描述该超状态的属性所分配的值是不变的。
- 规则 13:对于状态的每一级细化,类描述中必须有一组额外的属性,这些属性会随着对象在子状态之间转换而改变。
- 规则 14:并发子状态在类描述中需要相互不相交的额外属性集。

例如,假设状态 s 由一组状态函数 Fs 描述,Fs 由状态变量向量 U 和额外的状态变量 v 组成,即 Fs := (U, v)。对于状态 s 的所有子状态,向量 U 被分配值 a。子状态 0、3 以及

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  | 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