Swift 方法调度探究

1.方法调度分类

1.1 方法调度可以分为静态调度(static dispatch)和动态调度,动态调度从实现上来说又可以划分为虚拟表也就是Table dispatch比如c++和消息分发message dispatch比如OC用到的就是消息分发机制。

1.2静态调度和动态调度各有各的好处

1.2.1编译器可以对静态调度的方法进行包括inline内联函数在内的编译期优化以及加快程序运行速度。

1.2.2动态调度可以实现面向对象编程三大特性之一的多态。即在运行时根据调用方去找具体的方法实现。

2.swift中的方法调度

2.1swift中根据方法所定义的位置来讲会用到上面所说的三种方法调度方法。

2.1.1 比如struct,enum等值类型中的定义的方法(不包含继承自某个协议中的方法),定义为final类型的class中的方法以及private方法 ,这些都是静态调度。

2.1.2 class类型中的方法,protocol中声明的方法 为table dispatch

2.1.3 nsobject子类中@objc dynamic 方法为message dispatch

3swift中table dispatch的实现

3.1 如上图所看到的,class类型的在其元数据类型中会引用一个函数指针类型的数组,在对象进行方法调用时去改数组中去查找相对应的方法实现。

3.2 protocol-Witness-Table,Existential Container,value-Witness-Table

3.2.1protocol-Witness-table作用和valuetable一样,在每一个struct中都会引用这样一张表,进行相应方法查询。

3.2.2Existential Container 如上图所示,由于每一个结构体类型的内存大小各不相同,为了保障数组的字节对齐。使用Existential Container的方式把每个struct对象存入数组中,Existential Container前三个valueBuffer用于存放struct的数据,剩余两个分别引用自己的vwt和pwt。需要注意的是如果结构体的属性过多(big value),那么会开辟一块堆区内存,然后valuebuffer对这块内存进行引用。为了管理Existential Container 存放的值,所以引用value-Witness-Table创建内存,初始化以及内存销毁。

protocol drawable {
    
    func draw()
}
struct point:drawable {
    
    func draw() {

        print("draw a point")
    }
    
    var x,y:Float;
}

struct line:drawable {
    
    var x1,y1,x2,y2:Float;
    
    func draw() {
        
         print("draw a line")
    }
  
  
}

 var draws = [drawable]()
        
        draws.append(point(x:10,y:10))
        
        draws.append(line(x1: 10, y1: 10, x2: 20, y2: 20))
        
        for temp in draws {
            
            temp.draw()
            
            let size =   MemoryLayout<drawable>.size(ofValue: temp)
            
            print("\(type(of: temp))----\(size)") //输出40
        }
        

 

 

多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)内容概要:本文介绍了基于Matlab代码实现的多源动态最优潮流的分布鲁棒优化方法,适用于IEEE118节点电力系统。该方法结合两阶段鲁棒模型与确定性模型,旨在应对电力系统中多源输入(如可再生能源)的不确定性,提升系统运行的安全性与经济性。文中详细阐述了分布鲁棒优化的建模思路,包括不确定性集合的构建、目标函数的设计以及约束条件的处理,并通过Matlab编程实现算法求解,提供了完整的仿真流程与结果分析。此外,文档还列举了大量相关电力系统优化研究案例,涵盖微电网调度、电动汽车集群并网、需求响应、储能配置等多个方向,展示了其在实际工程中的广泛应用价值。; 适合人群:具备一定电力系统基础知识Matlab编程能力的研究生、科研人员及从事能源系统优化工作的工程师。; 使用场景及目标:①用于研究高比例可再生能源接入背景下电力系统的动态最优潮流问题;②支撑科研工作中对分布鲁棒优化模型的复现与改进;③为电力系统调度、规划及运行决策提供理论支持与仿真工具。; 阅读建议:建议读者结合提供的Matlab代码与IEEE118节点系统参数进行实操演练,深入理解分布鲁棒优化的建模逻辑与求解过程,同时可参考文中提及的其他优化案例拓展研究思路。
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