4、Rust编程:函数、结构体与代码复用

Rust编程:函数、结构体与代码复用

在软件开发中,代码复用是一个核心概念。它涉及到抽象,抽象程度越高,代码越容易找到新用途,但这也会带来一定成本。在构建通用且广泛适用的代码与仅服务于单一目的的代码之间进行权衡时,往往会受到时间限制或使用过于通用代码的复杂性等因素的影响。

1. 软件复用的基本概念

软件通常由单元组成,在Rust中这些单元被称为模块。模块包含实际的代码,要使用它们需要从其他模块导入。如果有一套能解决日常问题的优秀模块,就可以在不同项目中使用,从而显著加快开发速度。除了模块,还可以共享结构体、函数和特性等内容。多个模块会被收集到包(crates)中,在其他语言里,包可能被称为库或框架。

2. 函数:封装行为
  • 函数的基本概念 :函数是相对独立的代码结构,可以从不同地方调用,通过参数和返回值来传递数据。在Rust中,函数是表达式。与严格的面向对象编程不同,Rust没有类,所有函数都是独立的,但可以与结构体关联。
  • 函数语法示例
fn four() -> i32 {
    4
}

这个函数名为 four ,没有输入参数,返回类型为 i32 。整个函数定义行被称为函数签名,好的命名应该能让你了解函数的主要功能。调用函数很简单,如 let nr = four();
- 函数调用的原理

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