学习D16

本文详细解析了Python中装饰器的工作原理,包括无参数和有参数的装饰器使用方法,以及如何通过装饰器工厂创建动态装饰器。同时,介绍了类装饰器的实现方式,为读者提供了丰富的代码实例。

多层装饰

无参数的函数

def wrapper1(func):
    print('进入wrapper1装饰器')
    def inner():
        print('真正执行装饰1')
        func()
    print('wrapper1装饰已经完成')
    return inner

def wrapper2(func):
    print('进入wrapper2装饰器')
    def inner():
        print('真正执行装饰2')
        func()
    print('wrapper2装饰已经完成')
    return inner

@wrapper2
@wrapper1
def info():
    print('这是被装饰的函数')

print('#######################')
info()


输出:

进入wrapper1装饰器
wrapper1装饰已经完成
进入wrapper2装饰器
wrapper2装饰已经完成
#######################
真正执行装饰2
真正执行装饰1
这是被装饰的函数

所以装饰 的时候是从内向外,执行的时候是从上到下

wrapper 中有2次func() 函数为什么只执行了一次 info 函数?

因为 wrapper1 中执行的是 第一次装饰后传入的info

有参数的函数的装饰

要将参数放在闭包里的函数中进行传递

例子:

def wrapper1(func):
    print('进入wrapper1装饰器')
    def inner(ads):
        print('真正执行装饰1')
        func(ads)
    print('wrapper1装饰已经完成')
    return inner

def wrapper2(func):
    print('进入wrapper2装饰器')
    def inner(fds):
        print('真正执行装饰2')
        func(fds)
    print('wrapper2装饰已经完成')
    return inner

@wrapper2
@wrapper1
def info(sqd):
    print('参数:',sqd)
    print('这是被装饰的函数')

print('#######################')
info('dsadasdasdasdasd')

装饰器工厂函数

def 工厂函数(分类参数):

	if 分类参数==‘分类’

		生成装饰器

	return 装饰器

Time

先导入time 包

time是1970年到今的毫秒数

ctime 是 可以看的懂的时间

类装饰器

callable方法 就是判断是否 是 可调用的

一般来说 要有 __call__方法才算是可调用的
类中需要重写才能 成为可调用对象

在类中__init__方法中 传入函数
在 __call__方法 完善装饰器的装饰功能
例子:

class Authen(object):
    def __init__(self,func):
        self.__func = func
        print(func)
    def __call__(self, *args, **kwargs):
        print('装饰器的装饰功能')
        self.__func()
        pass

@Authen
def info():
    print('info')

info()





【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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