6、Python编程中的契约、防御式编程与错误处理

Python编程中的契约、防御式编程与错误处理

1. 契约编程的作用与考量

契约编程有助于更清晰地阐明程序结构。它不像临时验证或应对所有可能的失败场景那样,而是明确规定每个函数或方法正常工作所需的条件以及它们应达成的结果。

遵循契约编程原则会增加额外的工作,因为我们不仅要编写主应用的核心逻辑,还要编写契约,甚至可能需要为这些契约添加单元测试。不过,从长远来看,这种方法提升的代码质量是值得的,因此在应用的关键组件中实施这一原则是个不错的选择。

为使契约编程有效,我们需谨慎考虑要验证的内容,且这些内容要有实际意义。例如,仅检查函数参数的数据类型的契约意义不大,很多程序员认为这就像是试图让Python变成静态类型语言。像Mypy这样的工具结合类型注解能更好且更轻松地实现类型检查。所以,设计契约时要确保其有实际价值,比如检查传递和返回对象的属性、它们需满足的条件等。

2. 防御式编程

防御式编程与契约编程的方法有所不同。它并非像契约编程那样列出契约中必须满足的所有条件,若不满足就抛出异常使程序失败,而是让代码的各个部分(对象、函数或方法)能够自我保护,抵御无效输入。

防御式编程有多个方面,若与其他设计原则结合使用会特别有用。这意味着它与契约编程虽理念不同,但并非只能二选一,它们可能相互补充。

防御式编程主要关注两个方面:如何处理预期会发生的错误场景,以及如何应对不应发生的错误(即不可能出现的条件)。前者属于错误处理程序的范畴,后者则涉及断言,下面将分别探讨这两个主题。

3. 错误处理

在程序中,我们会针对预期容易出错的情况采用错误处理程序,数据输入通常就属于这类

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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