设计模式学习(二):中介者模式

本文深入讲解中介者模式,探讨其在解耦对象间复杂通信中的作用。通过具体案例,展示如何利用中介者模式简化系统维护,提高代码复用性。

2018年08月29日

《Head First 设计模式》中对中介者模式的描述:

使用中介者模式(Mediator Pattern)来集中相关对象之间复杂的沟通和控制方式。

优点:将对象彼此解耦,增加复用性; 简化系统维护; 让对象间传递的消息变的简单且精简;

缺点:设计不当会让中介者本身变的过于复杂。

目录

 

1、思路

2、测试代码

2.1 Person(抽象基类),

2.2 测试Demo

3、解释

4、参考


下面以“男生女生联谊”作为例子,简单阐述中介者模式的使用;

1、思路

既然联谊,男生和女生之间必然存在着互动,这些互动是非常频繁且复杂的,所以在开始阶段往往需要一个第三方bo(媒婆)来加快联谊的进程;而这个媒婆就是应用了中介者模式;


2、测试代码

2.1 Person(抽象基类),

package designModel.tertiumQuidModel;

public abstract class Person {

	private String name; //名字
	
	private int condition;  //匹配条件
	
	private Mediator mediator;  //中介者

	public abstract void checkPerson(Person person); //抽象方法,供子类重写
	
	public Person(String name, int condition, Mediator mediator) {
		super();
		this.name = name;
		this.condition = condition;
		this.mediator = mediator;
	}

	××× getter setter ×××
	
}

Man(实现子类)

public class Man extends Person {

	public Man(String name, int condition, Mediator mediator) {
		super(name, condition, mediator);
		// TODO Auto-generated constructor stub
	}

	@Override
	public void checkPerson(Person person) {
		// TODO Auto-generated method stub
		this.getMediator().setMan(this);
		this.getMediator().getPartner(person);
	}
	
}

Woman(实现子类)


public class Woman extends Person{

	public Woman(String name, int condition, Mediator mediator) {
		super(name, condition, mediator);
		// TODO Auto-generated constructor stub
	}

	@Override
	public void checkPerson(Person person) {
		// TODO Auto-generated method stub
		this.getMediator().setWoman(this);
		this.getMediator().getPartner(person);
			
	}

}

Mediator(媒婆)为中介者(作为成员属性)

package designModel.tertiumQuidModel;

public class Mediator {

	private Man man;
	
	private Woman woman;
	
	××× getter setter ×××
	
	public void getPartner(Person person){
		if(person instanceof Man){
			this.setMan((Man)person);
		}else{
			this.setWoman((Woman)person);
		}
		if(man.getCondition() == woman.getCondition()){
			System.out.println(man.getName()+" and "+woman.getName()+" 联谊成功!!");
		}else{
			System.out.println(man.getName()+" and "+woman.getName()+" 牵手失败!!");
		}
	}	
	
}

2.2 测试Demo

testDemo:

public class test {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Mediator mediator = new Mediator();
		
		Person man = new Man("C罗",27,mediator);		
		Person woman = new Woman("伊莲娜",25,mediator);
		
		man.checkPerson(woman);
		
	}

}

结果:

C罗 and 伊莲娜 牵手失败!!

花边:2010年初,C罗和伊莲娜在阿玛尼春夏季时装发布会上认识,C罗是阿玛尼男士内衣形象代言人,伊莲娜是女士内衣形象代言人,两人的爱情从这里开始。相恋五年后分手,如今两人都有了新的归宿,伊莲娜也有了自己的孩子!

 

3、解释

1) 中介者模式是行为模式之一,用一个中介对象来封装一系列的对象交互,中介者使各对象不需要显示地相互引用,从而使其耦合松散,而且可以独立地改变它们之间的交互。

2)这里就相当于两个具体的 Person 类,分别实现了抽象找对象方法,但是这里找对象可是通过中介介绍找的对象,  这个过程我们可以这样理解,因为抽象父类 Person 持有中介者 Mediator 类的引用,  所以我们这里的 getPartner 找对象方法,先是通过父类找到当前这个中介,然后注册相关会员信息,注册好后中介就会帮我们找对象了, 当我们调用找对象的方法,实际上是中介者帮我们找的对象;

3)中介者的出现减少了各个类之间的耦合,明确类之间的相互关系;  中介者模式将原来相互依存的多对多的类关系简化为中介者类与其他关联类一对多的关系,   当其中一个类修改时也不影响其他关联类。    
    

4、参考

过多内容关注微信公众号:《十三的笔记本》

标题基于Python的汽车之家网站舆情分析系统研究AI更换标题第1章引言阐述汽车之家网站舆情分析的研究背景、意义、国内外研究现状、论文方法及创新点。1.1研究背景与意义说明汽车之家网站舆情分析对汽车行业及消费者的重要性。1.2国内外研究现状概述国内外在汽车舆情分析领域的研究进展与成果。1.3论文方法及创新点介绍本文采用的研究方法及相较于前人的创新之处。第2章相关理论总结和评述舆情分析、Python编程及网络爬虫相关理论。2.1舆情分析理论阐述舆情分析的基本概念、流程及关键技术。2.2Python编程基础介绍Python语言特点及其在数据分析中的应用。2.3网络爬虫技术说明网络爬虫的原理及在舆情数据收集中的应用。第3章系统设计详细描述基于Python的汽车之家网站舆情分析系统的设计方案。3.1系统架构设计给出系统的整体架构,包括数据收集、处理、分析及展示模块。3.2数据收集模块设计介绍如何利用网络爬虫技术收集汽车之家网站的舆情数据。3.3数据处理与分析模块设计阐述数据处理流程及舆情分析算法的选择与实现。第4章系统实现与测试介绍系统的实现过程及测试方法,确保系统稳定可靠。4.1系统实现环境列出系统实现所需的软件、硬件环境及开发工具。4.2系统实现过程详细描述系统各模块的实现步骤及代码实现细节。4.3系统测试方法介绍系统测试的方法、测试用例及测试结果分析。第5章研究结果与分析呈现系统运行结果,分析舆情数据,提出见解。5.1舆情数据可视化展示通过图表等形式展示舆情数据的分布、趋势等特征。5.2舆情分析结果解读对舆情分析结果进行解读,提出对汽车行业的见解。5.3对比方法分析将本系统与其他舆情分析系统进行对比,分析优劣。第6章结论与展望总结研究成果,提出未来研究方向。6.1研究结论概括本文的主要研究成果及对汽车之家网站舆情分析的贡献。6.2展望指出系统存在的不足及未来改进方向,展望舆情
【磁场】扩展卡尔曼滤波器用于利用高斯过程回归进行磁场SLAM研究(Matlab代码实现)内容概要:本文介绍了利用扩展卡尔曼滤波器(EKF)结合高斯过程回归(GPR)进行磁场辅助的SLAM(同步定位与地图构建)研究,并提供了完整的Matlab代码实现。该方法通过高斯过程回归对磁场空间进行建模,有效捕捉磁场分布的非线性特征,同时利用扩展卡尔曼滤波器融合传感器数据,实现移动机器人在复杂环境中的精确定位与地图构建。研究重点在于提升室内等无GPS环境下定位系统的精度与鲁棒性,尤其适用于磁场特征明显的场景。文中详细阐述了算法原理、数学模型构建、状态估计流程及仿真实验设计。; 适合人群:具备一定Matlab编程基础,熟悉机器人感知、导航或状态估计相关理论的研究生、科研人员及从事SLAM算法开发的工程师。; 使用场景及目标:①应用于室内机器人、AGV等在缺乏GPS信号环境下的高精度定位与地图构建;②为磁场SLAM系统的设计与优化提供算法参考和技术验证平台;③帮助研究人员深入理解EKF与GPR在非线性系统中的融合机制及实际应用方法。; 阅读建议:建议读者结合Matlab代码逐模块分析算法实现细节,重点关注高斯过程回归的训练与预测过程以及EKF的状态更新逻辑,可通过替换实际磁场数据进行实验验证,进一步拓展至多源传感器融合场景。
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

打赏作者

后台技术汇

对你的帮助,是对我的最好鼓励。

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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