`

6-Strategy: choosing the algorithm at run-time

阅读更多

Strategy : choosing the algorithm at run-time

Strategy also adds a “Context” which can be a surrogate class that controls the selection and use of the particular strategy object—just like State ! Here’s what it looks like:

//: strategy:StrategyPattern.java

package strategy;

import com.bruceeckel.util.*; // Arrays2.toString()

import junit.framework.*;

 

// The strategy interface:

interface FindMinima {

  // Line is a sequence of points:

  double[] algorithm(double[] line);

}

 

// The various strategies:

class LeastSquares implements FindMinima {

  public double[] algorithm(double[] line) {

    return new double[] { 1.1, 2.2 }; // Dummy

  }

}

 

class NewtonsMethod implements FindMinima {

  public double[] algorithm(double[] line) {

    return new double[] { 3.3, 4.4 }; // Dummy

  }

}

 

class Bisection implements FindMinima {

  public double[] algorithm(double[] line) {

    return new double[] { 5.5, 6.6 }; // Dummy

  }

}

 

class ConjugateGradient implements FindMinima {

  public double[] algorithm(double[] line) {

    return new double[] { 3.3, 4.4 }; // Dummy

  }

}

 

// The "Context" controls the strategy:

class MinimaSolver {

  private FindMinima strategy;

  public MinimaSolver(FindMinima strat) {

    strategy = strat;

  }

  double[] minima(double[] line) {

    return strategy.algorithm(line);

  }

  void changeAlgorithm(FindMinima newAlgorithm) {

    strategy = newAlgorithm;

  }

}

 

public class StrategyPattern extends TestCase  {

  MinimaSolver solver =

    new MinimaSolver(new LeastSquares());

  double[] line = {

    1.0, 2.0, 1.0, 2.0, -1.0,

    3.0, 4.0, 5.0, 4.0 };

  public void test() {

    System.out.println(

      Arrays2.toString(solver.minima(line)));

    solver.changeAlgorithm(new Bisection());

    System.out.println(

      Arrays2.toString(solver.minima(line)));

  }

  public static void main(String args[]) {

    junit.textui.TestRunner.run(StrategyPattern.class);

  }

} ///:~

 

//何止是相像,简直就是一样,从教程中的利用接口+组合来完成的过程,这个实现过程和State是一模一样!

//那么该如何理解这些模式之间的区别呢?很多实现的示例是通过继承(http://www.jdon.com/designpatterns/designpattern_Strategy.htm )来实现的,这个比较让人迷惑...但是,有一点//是可以肯定

//的:重要的是设计思想,只要是这个掌握了,具体使用哪个模式是可以转化重构!

 

倒是这些资料很有提示性:

http://archive.cnblogs.com/a/1420362/

 

http://zhongkang.iteye.com/blog/152403

 

http://blog.163.com/chenxuezhen_1/blog/static/9167375120100134622841/

 

具体的总结,得后续完结!(2011-12-29)

//重新整理了一下其中一个参考内容,感觉这个例子还是比较好的!

Strategy Pattern/State Pattern

(1)Strategy Pattern

(i)定义:定义了算法族,把变化的各个部分封装起来,使得算法可以相互替换并独立于使用该算法的客户。
(ii)结构图:见 4-State (Strategy和State的结构图是一样的)

    分析:Strategy模式的接口封装了Context(应用类)中变化的部分,然后在Context中引用了封装的接口,把变化的部分操作委托给Strategy来实现,这样就可以在具体使用中,指定对应的类来实现封装类的不同实现。

(iii)意图:封装变化以便类型在运行时根据需要选择合适的算法。这样提高了代码的复用度,也使程序更改更方便。
(iv)用到的OO原则:封装变化;对扩展开放,对修改关闭;针对接口编程而不是实现编程;多用组合少用继承。
(v)具体样例:
   假设我们要完成公司员工这个类的操作,算法如下:
package com.xforward.test.strategy;

class Employees{
  String height;
  String weight;
  String diploma;
  String role;
  short hours;
  int bonus;
  int earning;
 
  Employees(String role,short hours){
      this.role = role;
      this.hours = hours;
  }
 
  Employees(String role,int bonus){
      this.role = role;
      this.bonus = bonus;
  }
 
  Employees(String role,int bonus,int earning){
      this.role = role;
      this.bonus = bonus;
      this.earning = earning;
  }

  public String Description(){
      String desc="";
      desc += "Heighht:"+height+";";
      desc += "Weighht:"+weight+";";
      desc += "Diploma:"+diploma+";";
      return desc;
  }

  public double getWage(){
      double wage = 0;
     
      if("temp".equals(role)){
         wage = 10*hours;
      }
      else if("accountant".equals(role)){
        wage = 2000+ bonus;
      }
     else if("manager".equals(role)){
         wage = 5000+bonus+ earning*0.05;
      }
      //还有其他的角色....
      return wage;
      }
 
  public static void main(String[] args){
      short s = 10;
      Employees e = new Employees("temp",s);
      System.out.println("Wage :"+e.getWage());
  }

这里,我们假设Employees这个类有两个函数,一个用于个人情况描述的,一个用于计算工资的。个人描述是不变的,而工资的算法则因人而异。这样如果 员工的种类改变了,增加或减少都要对类里面的函数进行修改。这种情况下我们就可以用Strategy Pattern来处理了。

首先把变化的部分也就是GetWage这个函数抽象出来成为一个接口或者抽象类:
package com.xforward.test.strategy;

interface Wage{
 double getWage();
}
然后根据具体需要加入Wage的子类实现getWage():
package com.xforward.test.strategy;

public class TempWage implements Wage {
    short hours;
   
    TempWage(short hours){
        this.hours  = hours;
    }
   
    public double getWage() {
        return 10*hours;
    }

}

package com.xforward.test.strategy;

public class AccountantWage implements Wage {
    int bonus;
   
    AccountantWage(int bonus){
        this.bonus  = bonus;
    }
   
    public double getWage() {
        return 2000+bonus;
    }

}

package com.xforward.test.strategy;

public class ManagerWage implements Wage {
    int bonus;
    int earning;
   
    ManagerWage(int bonus,int earning){
        this.bonus  = bonus;
        this.earning = earning;
    }
   
    public double getWage() {
        return 5000+bonus+earning*0.5;
    }

}


这样以后就可以在Employees中声明一个Wage接口,把工资的计算委托给Wage接口中的函数来实现,Employees就变成:
package com.xforward.test.strategy;

class Employees2{
  String height;
  String weight;
  String diploma;
  String role;

  Wage wage;

  Employees2(Wage wage){
      this.wage = wage;
  }

  public String Description(){
      String desc="";
      desc += "Heighht:"+height+";";
      desc += "Weighht:"+weight+";";
      desc += "Diploma:"+diploma+";";
      return desc;
  }

  public double getWage(){
      //double wage = 0;
     
      return wage.getWage();
      }
 
  public static void main(String[] args){
      short s = 12;
      Wage wage = new TempWage(s);
      double d = new Employees2(wage).getWage();
      System.out.println("Wage = "+d);
     
  }
}
例子中用策略模式的好处是:如果以后有新的工资计算法,我们只需要加入一个新的Wage子类,而不需要对Employees这个类做任何的改动。这样做还 可以复用代码,如果另外一个类有类似的计算和某个工资计算一样,我们也可以直接用Wage这个接口,而不需要加入新的类或接口。

(2) State Pattern

(i)  定义:允许对象在内部状态改变的时候改变其行为,使得对象看起来好像改变了它的类。

(ii)  结构图:见 4-State (Strategy和State的结构图是一样的)

(iii)  意图:把与对象状态相关的行为放入状态组成的类中,使对象状态的行为能够随着状态的改变而该变。

(iv)  用到的OO原则:和Strategy Pattern一样。

(v)  具体样例:

这里我们用TCP连接来举例,TCP连接有三个状态:Open,Lisening, Close,初步实现如下:

package com.xforward.test.state;

enum StateFlag{
      OPEN,CLOSED,LISTENING
}

public class TCPConnection {

      StateFlag state = StateFlag.CLOSED;
     
      public String Open(){
          if(state == StateFlag.OPEN){
              return "TCP has been opened";
          }else if(state == StateFlag.CLOSED){
              state = StateFlag.OPEN;
              return "open successfully";
          }else if(state == StateFlag.LISTENING){
              return "TCP is listening";
          }
          return null;
      }
      public String Close(){
          if(state == StateFlag.OPEN){
              state =StateFlag.CLOSED;
              return "Closed Successfully";
          }else if(state == StateFlag.CLOSED){
              return "TCP has been closed";
          }else if(state == StateFlag.LISTENING){
              state =StateFlag.CLOSED;                
              return "Closed Successfully";
          }
          return null;
      }
     public String Listening(){
      if(state == StateFlag.OPEN){
          state =StateFlag.LISTENING;
          return "Listen Successfully";
      }else if(state == StateFlag.CLOSED){
          return "TCP has been closed";
      }else if(state == StateFlag.LISTENING){
          return "TCP is listening";
      }
      return null;
     }
    
}

这样,如果我们每加一个State的话,要为每个函数都加一条实现语句,不仅麻烦还很容易出现bug.于是我们就想到了State Pattern。(这个例子需要后续完善一下,尤其是测试部分,不是很自然)

实现一个State接口:

package com.xforward.test.state;

public interface State {
     String open();
     String close();
     String listening();
}

实现各个具体状态类:

package com.xforward.test.state;

public class OpenState implements State {
    TCPConnection2 tcp;//用于记录状态
   
    OpenState(TCPConnection2 tcp){
        this.tcp = tcp;
    }
   
    public String open() {
        return "TCP has been opened";
    }
   
    public String close() {
        tcp.state1 = tcp.closeState;
        return "Closed Successfully";
    }

    public String listening() {
        tcp.state1 = tcp.listenState;
        return "Listen Successfully";
    }
   
}

package com.xforward.test.state;

public class ListenState implements State {
    TCPConnection2 tcp;//用于记录状态
   
    ListenState(TCPConnection2 tcp){
        this.tcp = tcp;
    }
   
    public String open() {
        return "TCP is listening";
    }
   
    public String close() {
        tcp.state1 = tcp.closeState;
        return "Closed Successfully";
    }

    public String listening() {
        return "TCP is listening";
    }
   
}

package com.xforward.test.state;

public class CloseState implements State {
    TCPConnection2 tcp;//用于记录状态
   
    CloseState(TCPConnection2 tcp){
        this.tcp = tcp;
    }
   
    public String open() {
        tcp.state1 = tcp.openState;
        return "Open Successfully";
    }
   
    public String close() {
        return "TCP has been Closed";
    }

    public String listening() {
        tcp.state1 = tcp.listenState;
        return "Listen Successfully";
    }
   
}

 

这样改了之后TCPConnection就可以写成:

package com.xforward.test.state;

public class TCPConnection2 {
      OpenState openState = new OpenState(this);
      CloseState closeState = new CloseState(this);
      ListenState listenState = new ListenState(this);
     
      State state1 = closeState ;
     
      public static void main(String[] args){
          TCPConnection2 t = new TCPConnection2();
          t.state1.close();
          t.state1.open();
          t.state1.listening();
      }
     
}

使用State Pattern后如果加入新的状态,我们只需要加入新状态的一个State子类就可以了。

 

(3)Strategy Pattern和State Pattern 异同点:

(i)相同点:两种模式的结构图一样,做法都是用接口或者抽象类来封装变化的方法。一般来说在类中有许多判断语句的时候就可以考虑使用这两种模式。(当然模式使用 时基于变化的,如果判断语句的条件是定死的,那么不用设计模式也没有问题)

(ii) 不同点:意图不一样:State Pattern中很显著的特点就是有状态和行为,并且行为随着状态的改变而改变,相当于判断语句中的条件是一种种状态。State Pattern中实现的状态子类中是有耦合的。而Strategy Pattern,我个人认为判断语句中的条件是类别,不同的类型实现的操作不一样,这样就可以把操作抽象出来。抽象出来的操作子类之间是解耦的。

 

 

 

分享到:
评论

相关推荐

    Thinking in Patterns _ Problem Solving Techniques using Java.

    - **策略:运行时选择算法 (Strategy: Choosing the Algorithm at Run-Time)** - 策略模式允许在运行时更改算法。 - **责任链 (Chain of Responsibility)** - 责任链模式允许请求沿着处理链传递,直到有一个对象...

    MySQL 5.6 Reference Manual

    Table of Contents Preface, Notes, Licenses . . . . . . . . ....1. Licenses for Third-Party Components ....1.1. FindGTest.cmake License ....1.2. LPeg Library License ....1.3. LuaFileSystem Library License ....

    查看进程信息,方便排查问题

    查看进程信息,方便排查问题

    IDA Pro分析STM32F1xx插件

    IDA Pro分析STM32F1xx插件

    基于SSH的线上医疗报销系统.zip-毕设&课设&实训&大作业&竞赛&项目

    项目工程资源经过严格测试运行并且功能上ok,可实现复现复刻,拿到资料包后可实现复现出一样的项目,本人系统开发经验充足(全栈全领域),有任何使用问题欢迎随时与我联系,我会抽时间努力为您解惑,提供帮助 【资源内容】:包含源码+工程文件+说明等。答辩评审平均分达到96分,放心下载使用!可实现复现;设计报告也可借鉴此项目;该资源内项目代码都经过测试运行,功能ok 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 【提供帮助】:有任何使用上的问题欢迎随时与我联系,抽时间努力解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 下载后请首先打开说明文件(如有);整理时不同项目所包含资源内容不同;项目工程可实现复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用

    matlab的小型的微电网仿真模型文件

    小型的微电网仿真模型,简单模拟了光伏,家庭负载变化的使用情况

    MATLAB代码实现:分布式电源接入对配电网运行影响深度分析与评估,MATLAB代码分析:分布式电源接入对配电网运行影响评估,MATLAB代码:分布式电源接入对配电网影响分析 关键词:分布式电源 配电

    MATLAB代码实现:分布式电源接入对配电网运行影响深度分析与评估,MATLAB代码分析:分布式电源接入对配电网运行影响评估,MATLAB代码:分布式电源接入对配电网影响分析 关键词:分布式电源 配电网 评估 参考文档:《自写文档,联系我看》参考选址定容模型部分; 仿真平台:MATLAB 主要内容:代码主要做的是分布式电源接入场景下对配电网运行影响的分析,其中,可以自己设置分布式电源接入配电网的位置,接入配电网的有功功率以及无功功率的大小,通过牛顿拉夫逊法求解分布式电源接入后的电网潮流,从而评价分布式电源接入前后的电压、线路潮流等参数是否发生变化,评估配电网的运行方式。 代码非常精品,是研究含分布式电源接入的电网潮流计算的必备程序 ,分布式电源; 配电网; 接入影响分析; 潮流计算; 牛顿拉夫逊法; 电压评估; 必备程序。,基于MATLAB的分布式电源对配电网影响评估系统

    基于Unity-Bolt开发的游戏demo.zip

    项目工程资源经过严格测试运行并且功能上ok,可实现复现复刻,拿到资料包后可实现复现出一样的项目,本人系统开发经验充足(全栈全领域),有任何使用问题欢迎随时与我联系,我会抽时间努力为您解惑,提供帮助 【资源内容】:包含源码+工程文件+说明等。答辩评审平均分达到96分,放心下载使用!可实现复现;设计报告也可借鉴此项目;该资源内项目代码都经过测试运行,功能ok 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 【提供帮助】:有任何使用上的问题欢迎随时与我联系,抽时间努力解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 下载后请首先打开说明文件(如有);整理时不同项目所包含资源内容不同;项目工程可实现复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用

    重庆市农村信用合作社 农商行数字银行系统建设方案.ppt

    重庆市农村信用合作社 农商行数字银行系统建设方案.ppt

    光伏并网逆变器设计方案与高效实现:结合matlab电路仿真、DSP代码及环流抑制策略,光伏并网逆变器设计方案:结合matlab电路文件与DSP程序代码,实现高效并联环流抑制策略,光伏并网逆变器设计方案

    光伏并网逆变器设计方案与高效实现:结合matlab电路仿真、DSP代码及环流抑制策略,光伏并网逆变器设计方案:结合matlab电路文件与DSP程序代码,实现高效并联环流抑制策略,光伏并网逆变器设计方案,附有相关的matlab电路文件,以及DSP的程序代码,方案、仿真文件、代码三者结合使用效果好,事半功倍。 备注:赠送逆变器并联环流matlab文件,基于矢量控制的环流抑制策略和下垂控制的环流抑制 ,光伏并网逆变器设计方案; MATLAB电路文件; DSP程序代码; 方案、仿真文件、代码结合使用; 并联环流抑制策略; 下垂控制的环流抑制,光伏并网逆变器优化设计:方案、仿真与DSP程序代码三合一,并赠送并联环流抑制策略Matlab文件

    Matlab实现WOA-GRU鲸鱼算法优化门控循环单元的数据多输入分类预测(含模型描述及示例代码)

    内容概要:本文介绍了通过 Matlab 实现鲸鱼优化算法(WOA)与门控循环单元(GRU)结合的多输入分类预测模型。文章首先概述了时间序列预测的传统方法局限性以及引入 WOA 的优势。然后,重点阐述了项目背景、目标、挑战及其独特之处。通过详细介绍数据预处理、模型构建、训练和评估步骤,最终展示了模型的效果预测图及应用实例。特别强调利用 WOA 改善 GRU 的参数设置,提高了多输入时间序列预测的准确性与鲁棒性。 适合人群:对时间序列分析有兴趣的研究者,从事金融、能源、制造业等行业数据分析的专业人士,具备一定的机器学习基础知识和技术经验。 使用场景及目标:本项目旨在开发一个高度准确和稳定的多变量时间序列预测工具,能够用于金融市场预测、能源需求规划、生产调度优化等领域,为企业和个人提供科学决策依据。 其他说明:项目提供的源代码和详细的开发指南有助于学习者快速掌握相关技能,并可根据实际需求调整模型参数以适应不同的业务情境。

    基于vue+elment-ui+node.js的后台管理系统 .zip(毕设&课设&实训&大作业&竞赛&项目)

    项目工程资源经过严格测试运行并且功能上ok,可实现复现复刻,拿到资料包后可实现复现出一样的项目,本人系统开发经验充足(全栈全领域),有任何使用问题欢迎随时与我联系,我会抽时间努力为您解惑,提供帮助 【资源内容】:包含源码+工程文件+说明等。答辩评审平均分达到96分,放心下载使用!可实现复现;设计报告也可借鉴此项目;该资源内项目代码都经过测试运行,功能ok 【项目价值】:可用在相关项目设计中,皆可应用在项目、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面,可借鉴此优质项目实现复刻,设计报告也可借鉴此项目,也可基于此项目来扩展开发出更多功能 【提供帮助】:有任何使用上的问题欢迎随时与我联系,抽时间努力解答解惑,提供帮助 【附带帮助】:若还需要相关开发工具、学习资料等,我会提供帮助,提供资料,鼓励学习进步 下载后请首先打开说明文件(如有);整理时不同项目所包含资源内容不同;项目工程可实现复现复刻,如果基础还行,也可在此程序基础上进行修改,以实现其它功能。供开源学习/技术交流/学习参考,勿用于商业用途。质量优质,放心下载使用

    Python 实现基于BiLSTM-AdaBoost双向长短期记忆网络结合AdaBoost多输入分类预测(含模型描述及示例代码)

    内容概要:本文介绍了Python中基于双向长短期记忆网络(BiLSTM)与AdaBoost相结合的多输入分类预测模型的设计与实现。BiLSTM擅长捕捉时间序列的双向依赖关系,而AdaBoost则通过集成弱学习器来提高分类精度和稳定性。文章详述了该项目的背景、目标、挑战、特色和应用场景,并提供了详细的模型构建流程、超参数优化以及视觉展示的方法和技术要点。此外,还附有完整的效果预测图表程序和具体示例代码,使读者可以快速上手构建属于自己的高效稳定的时间序列预测系统。 适合人群:对深度学习特别是时序数据分析感兴趣的开发者或者科研工作者;正在探索高级机器学习技术和寻求解决方案的企业分析师。 使用场景及目标:适用于希望提升时间序列或多输入数据类别判定准确度的业务情境,比如金融市场的走势预估、医学图像分析中的病变区域判读或是物联网环境监测下设备状态预警等任务。目的是为了创建更加智能且可靠的预测工具,在实际应用中带来更精准可靠的结果。 其他说明:文中提供的所有Python代码片段和方法都可以直接运用于实践中,并可根据特定的问题进行相应调整和扩展,进一步改进现有系统的效能并拓展新的功能特性。

    maven-script-interpreter-javadoc-1.0-7.el7.x64-86.rpm.tar.gz

    1、文件内容:maven-script-interpreter-javadoc-1.0-7.el7.rpm以及相关依赖 2、文件形式:tar.gz压缩包 3、安装指令: #Step1、解压 tar -zxvf /mnt/data/output/maven-script-interpreter-javadoc-1.0-7.el7.tar.gz #Step2、进入解压后的目录,执行安装 sudo rpm -ivh *.rpm 4、更多资源/技术支持:公众号禅静编程坊

    在云服务器上搭建MQTT服务器(超详细,一步到位)

    在云服务器上搭建MQTT服务器(超详细,一步到位)

    复现改进的L-SHADE差分进化算法求解最优化问题详解:附MATLAB源码与测试函数集,复现改进的L-SHADE差分进化算法求解最优化问题详解:MATLAB源码与测试集全攻略,复现改进的L-SHADE

    复现改进的L-SHADE差分进化算法求解最优化问题详解:附MATLAB源码与测试函数集,复现改进的L-SHADE差分进化算法求解最优化问题详解:MATLAB源码与测试集全攻略,复现改进的L-SHADE差分进化算法求最优化问题 对配套文献所提出的改进的L-SHADE差分进化算法求解最优化问题的的复现,提供完整MATLAB源代码和测试函数集,到手可运行,运行效果如图2所示。 代码所用测试函数集与文献相同:对CEC2014最优化测试函数集中的全部30个函数进行了测试验证,运行结果与文献一致。 ,复现; 改进的L-SHADE差分进化算法; 最优化问题求解; MATLAB源代码; 测试函数集; CEC2014最优化测试函数集,复现改进L-SHADE算法:最优化问题的MATLAB求解与验证

    天津大学:深度解读DeepSeek原理与效应.pdf

    天津大学:深度解读DeepSeek原理与效应.pdf 1.大语言模型发展路线图 2.DeepSeek V2-V3/R1技术原理 3DeepSeek效应 4.未来展望

    光伏混合储能微电网能量管理系统模型:基于MPPT控制的光伏发电与一阶低通滤波算法的混合储能系统优化管理,光伏混合储能微电网能量优化管理与稳定运行系统,光伏-混合储能微电网能量管理系统模型

    光伏混合储能微电网能量管理系统模型:基于MPPT控制的光伏发电与一阶低通滤波算法的混合储能系统优化管理,光伏混合储能微电网能量优化管理与稳定运行系统,光伏-混合储能微电网能量管理系统模型 系统主要由光伏发电模块、mppt控制模块、混合储能系统模块、直流负载模块、soc限值管理控制模块、hess能量管理控制模块。 光伏发电系统采用mppt最大跟踪控制,实现光伏功率的稳定输出;混合储能系统由蓄电池和超级电容组合构成,并采用一阶低通滤波算法实现两种储能介质间的功率分配,其中蓄电池响应目标功率中的低频部分,超级电容响应目标功率中的高频部分,最终实现对目标功率的跟踪响应;SOC限值管理控制,根据储能介质的不同特性,优化混合储能功率分配,进一步优化蓄电池充放电过程,再根据超级电容容量特点,设计其荷电状态区分管理策略,避免过充过放,维持系统稳定运行;最后,综合混合储能和系统功率平衡,针对光伏储能微电网的不同工况进行仿真实验,验证控制策略的有效性。 本模型完整无错,附带对应复现文献paper,容易理解,可塑性高 ,光伏; 混合储能系统; 能量管理; MPPT控制; 直流负载;

    Matlab算法下的A星路径规划改进版:提升搜索效率,优化拐角并路径平滑处理,Matlab下的A星算法改进:提升搜索效率、冗余拐角优化及路径平滑处理,Matlab算法代码 A星算法 路径规划A* As

    Matlab算法下的A星路径规划改进版:提升搜索效率,优化拐角并路径平滑处理,Matlab下的A星算法改进:提升搜索效率、冗余拐角优化及路径平滑处理,Matlab算法代码 A星算法 路径规划A* Astar算法仿真 传统A*+改进后的A*算法 Matlab代码 改进: ①提升搜索效率(引入权重系数) ②冗余拐角优化(可显示拐角优化次数) ③路径平滑处理(引入梯度下降算法配合S-G滤波器) ,Matlab算法代码; A星算法; 路径规划A*; Astar算法仿真; 传统A*; 改进A*算法; 提升搜索效率; 冗余拐角优化; 路径平滑处理; 权重系数; S-G滤波器。,Matlab中的A*算法:传统与改进的路径规划仿真研究

Global site tag (gtag.js) - Google Analytics