学习设计模式之责任链模式

责任链模式
使多个对象都有机会处理请求,从而避免请求的发送者和接收者之间的耦合关系。将这个对象连成一条链,并沿着这条链传递该请求,直到有一个对象处理它为止。

类结构图
在这里插入图片描述
Handler
定义一个处理请示的接口。
ConcreteHandlerA、ConcreteHandlerB
具体的处理类,处理它所负责的请求,可以访问它的后继者,如果可处理该请求,就处理之,否则就将该请求转发给它的后继者。

代码示例

public interface Handler {
    void setHandler(Handler handler);
    void handlerRequest(int request);
}

public class ConcreteHandlerA implements Handler {

    private Handler handler;

    @Override
    public void setHandler(Handler handler) {
        this.handler = handler;
    }

    @Override
    public void handlerRequest(int request) {
        if (request >= 0 && request < 10) {
            System.out.printf("ConcreteHandlerA 处理请求 %d", request);
            System.out.println();
        } else if (null != this.handler) {
            this.handler.handlerRequest(request);
        }
    }
}

public class ConcreteHandlerB implements Handler {

    private Handler handler;

    @Override
    public void setHandler(Handler handler) {
        this.handler = handler;
    }

    @Override
    public void handlerRequest(int request) {
        if (request >= 10 && request < 20) {
            System.out.printf("ConcreteHandlerB 处理请求 %d", request);
            System.out.println();
        } else if (null != this.handler) {
            this.handler.handlerRequest(request);
        }
    }
}

public class ConcreteHandlerC implements Handler {

    private Handler handler;

    @Override
    public void setHandler(Handler handler) {
        this.handler = handler;
    }

    @Override
    public void handlerRequest(int request) {
        if (request >= 20 && request < 30) {
            System.out.printf("ConcreteHandlerC 处理请求 %d", request);
            System.out.println();
        } else if (null != this.handler) {
            this.handler.handlerRequest(request);
        }
    }
}

客户端示例

public class Client {
    public static void main(String[] args) {
        Handler h1 = new ConcreteHandlerA();
        Handler h2 = new ConcreteHandlerB();
        Handler h3 = new ConcreteHandlerC();
        h1.setHandler(h2);
        h2.setHandler(h3);

        int[] array = { 2, 5, 14, 22, 18, 3, 27, 20 };
        for (int i = 0; i < array.length; i++) {
            h1.handlerRequest(array[i]);
        }
    }
}

运行结果

ConcreteHandlerA 处理请求 2
ConcreteHandlerA 处理请求 5
ConcreteHandlerB 处理请求 14
ConcreteHandlerC 处理请求 22
ConcreteHandlerB 处理请求 18
ConcreteHandlerA 处理请求 3
ConcreteHandlerC 处理请求 27
ConcreteHandlerC 处理请求 20
Disconnected from the target VM, address: '127.0.0.1:62699', transport: 'socket'

Process finished with exit code 0

优点
具体的请求和具体的处理是分开的,耦合度降低。将 if 判断分到了各个对应的职责类中,代码更加清晰,职责明确。

缺点
如果责任链太长的话,需要遍历一遍,效率会低。

内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模预测。; 适合人群:具备一定机器学习基础,特别是对神经网络优化算法有一定了解的研发人员、数据科学家研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数训练时间;③ 提高模型的稳定性泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例注释,便于理解二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展维护。此外,项目还提供了多种评价指标可视化分析方法,确保实验结果科学可信。
评论
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