Kotlin教程笔记(53) - 改良设计模式 - 策略模式

简介: Kotlin教程笔记(53) - 改良设计模式 - 策略模式

本系列学习教程笔记属于详细讲解Kotlin语法的教程,需要快速学习Kotlin语法的小伙伴可以查看“简洁” 系列的教程

快速入门请阅读如下简洁教程:
Kotlin学习教程(一)
Kotlin学习教程(二)
Kotlin学习教程(三)
Kotlin学习教程(四)
Kotlin学习教程(五)
Kotlin学习教程(六)
Kotlin学习教程(七)
Kotlin学习教程(八)
Kotlin学习教程(九)
Kotlin学习教程(十)

Kotlin教程笔记(53) - 改良设计模式 - 策略模式

imgKotlin - 改良设计模式 - 策略模式

#一、前言

  • 策略模式
    • 作用:让算法的变化独立于使用算法的客户
    • 核心操作:定义了算法族,分别封装起来,让它们之间可以相互替换

#二、使用策略模式

  • 例子:游泳运动员的游泳姿势
  • 重点:算法抽离,封装成策略

作为一个游泳运动员,最基本的技能就是游泳,所以该类可以这么定义:

/**
 * 游泳运动员
 *
 * @author GitLqr
 */
class Swimmer {
    fun swim() {
        println("游泳中...")
    }
}

// 使用
val shaw = Swimmer()
shaw.swim() // 游泳中...

但是,游泳体育项目会对游泳姿势进行细分(姑且称之为技能吧),比如:蛙泳、仰泳、自由泳等等,那怎么让 Swimmer 可以使用这些技能呢?一种做法是直接给 Swimmer 添加这些技能对应的方法,比如:

// ========== 错误演示 ==========
class Swimmer {
    fun breaststroke() {
        print("蛙泳...")
    }

    fun backstroke() {
        print("仰泳...")
    }

    fun freestyle() {
        print("自由泳...")
    }
}

可以很明确的说,这种做法是不行的,因为违背了开闭原则,后续被纳入标准的游泳姿势可能会越来越多,比如:狗刨,继续往 Swimmer 增加新方法吗?肯定不行,这时策略模式就派上用场了,站在程序角度看,游泳姿势也不过是一种算法,可以把这几种游泳姿势(算法)分别封装起来,为了能让算法相互替换,需要定义一个算法接口:

/**
 * 游泳姿势接口
 *
 * @author GitLqr
 */
interface SwimStrategy {
    fun swim()
}

/**
 * 各种游泳姿势的具体实现
 *
 * @author GitLqr
 */
class Breaststroke : SwimStrategy {
    override fun swim() {
        print("蛙泳...")
    }
}

class Backstroke : SwimStrategy {
    override fun swim() {
        print("仰泳...")
    }
}

class Freestyle : SwimStrategy {
    override fun swim() {
        print("自由泳...")
    }
}

接着,再通过构造器,把算法交给 Swimmer 使用即可:

/**
 * 游泳运动员(策略模式)
 *
 * @author GitLqr
 */
class Swimmer(val strategy: SwimStrategy) {
    fun swim() {
        strategy.swim()
    }
}

// 使用
val freestyleSwimmer = Swimmer(Freestyle())
freestyleSwimmer.swim()
val breaststrokeSwimmer = Swimmer(Breaststroke())
breaststrokeSwimmer.swim()

以后有更多的游泳姿势,只需要扩展 SwimStrategy 的实现类即可,无需修改 Swimmer

#三、改良策略模式

  • 例子:游泳运动员的游泳姿势
  • 重点:高阶函数

高阶函数是参数或返回值是函数的函数,由于策略模式是对行为算法的一种抽象,上述例子的本质是让 Swimmer 对象执行外界传入的 算法函数 而已,那么借助高阶函数的特性,我们可以让 算法函数 作为高阶函数的参数传入即可,而不需要单独定义接口,所以在 Kotlin 中可以使用高阶函数来改良策略模式:

fun breaststroke() {
    print("蛙泳...")
}

fun backstroke() {
    print("仰泳...")
}

fun freestyle() {
    print("自由泳...")
}

/**
 * 游泳运动员(策略模式)改良:高阶函数
 *
 * @author GitLqr
 */
class Swimmer(val strategy: () -> Unit) {
    fun swim() {
        strategy()
    }
}

// 使用
val freestyleSwimmer = Swimmer(::freestyle) // 传入方法引用
freestyleSwimmer.swim()
val breaststrokeSwimmer = Swimmer(::breaststroke)
breaststrokeSwimmer.swim()

改造之后,不但减少了代码量(去掉了策略算法接口),也使代码结构更加直观。

目录
相关文章
|
1天前
|
人工智能 自动驾驶 大数据
预告 | 阿里云邀您参加2024中国生成式AI大会上海站,马上报名
大会以“智能跃进 创造无限”为主题,设置主会场峰会、分会场研讨会及展览区,聚焦大模型、AI Infra等热点议题。阿里云智算集群产品解决方案负责人丛培岩将出席并发表《高性能智算集群设计思考与实践》主题演讲。观众报名现已开放。
|
17天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
21天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
12天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
6天前
|
人工智能 自然语言处理 前端开发
100个降噪蓝牙耳机免费领,用通义灵码从 0 开始打造一个完整APP
打开手机,录制下你完成的代码效果,发布到你的社交媒体,前 100 个@玺哥超Carry、@通义灵码的粉丝,可以免费获得一个降噪蓝牙耳机。
2701 11
|
13天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
3472 9
|
11天前
|
人工智能 自然语言处理 前端开发
什么?!通义千问也可以在线开发应用了?!
阿里巴巴推出的通义千问,是一个超大规模语言模型,旨在高效处理信息和生成创意内容。它不仅能在创意文案、办公助理、学习助手等领域提供丰富交互体验,还支持定制化解决方案。近日,通义千问推出代码模式,基于Qwen2.5-Coder模型,用户即使不懂编程也能用自然语言生成应用,如个人简历、2048小游戏等。该模式通过预置模板和灵活的自定义选项,极大简化了应用开发过程,助力用户快速实现创意。
|
25天前
|
缓存 监控 Linux
Python 实时获取Linux服务器信息
Python 实时获取Linux服务器信息
|
7天前
|
人工智能 C++ iOS开发
ollama + qwen2.5-coder + VS Code + Continue 实现本地AI 辅助写代码
本文介绍在Apple M4 MacOS环境下搭建Ollama和qwen2.5-coder模型的过程。首先通过官网或Brew安装Ollama,然后下载qwen2.5-coder模型,可通过终端命令`ollama run qwen2.5-coder`启动模型进行测试。最后,在VS Code中安装Continue插件,并配置qwen2.5-coder模型用于代码开发辅助。
550 4
|
9天前
|
云安全 人工智能 自然语言处理