`
racingbird
  • 浏览: 23920 次
  • 性别: Icon_minigender_1
  • 来自: 深圳
社区版块
存档分类
最新评论

多路分发3

 
阅读更多

使用常量相关的方法

 

常量相关的方法允许我们为每个enum实例提供方法的不同实现,

这使得常量相关的方法似乎是实现多路分发的完美解决方案。

不过,通过这种方式,enum实例虽然可以具有不同的行为,

但他们任然不是类型,不能将其作为方法签名中的参数类型

来使用。最好的办法是将enum用在switch语句中

 

import static enumerated.Outcome.*;

public enum RoShamBo3 implements Competitor<RoShamBo3>{
	PAPER{
		public Outcome compete(RoShamBo3 it){
			switch(it){
			default:	// To placate the compiler
			case PAPER: return DRAW;
			case SCISSORS: return LOSE;
			case ROCK: return WIN;
			}
		}
	},
	SCISSORS{
		public Outcome compete(RoShamBo3 it){
			switch(it){
				default:
					case PAPER: return WIN;
					case SCISSORS: return DRAW;
					case ROCK: return LOSE;
			}
		}
	},
	ROCK{
		public Outcome compete(RoShamBo3 it){
			switch(it){
			default:
			case PAPER: return LOSE;
			case SCISSORS: return WIN;
			case ROCK: return DRAW;
			}
		}
	};
	
	public abstract Outcome compete(RoShamBo3 it);
	public static void main(String[] args){
		RoShamBo.play(RoShamBo3.class, 20);
	}
}

 

 

虽然这种方式可以工作, 却不合理, 如果采用RoShamBo解决方案, 在添加一个新

的类型时, 只需更少的代码, 而且更直接。


public enum RoShamBo4 implements Competitor<RoShamBo4>{
	ROCK{
		public Outcome compete(RoShamBo4 opponent){
			return compete(SCISSORS, opponent);
		}
	},
	SCISSORS{
		public Outcome compete(RoShamBo4 opponent){
			return compete(PAPER, opponent);
		}
	},
	PAPER{
		public Outcome compete(RoShamBo4 opponent){
			return compete(ROCK, opponent);
		}
	};
	
	Outcome compete(RoShamBo4 loser, RoShamBo4 opponent){
		return ((opponent == this) ? Outcome.DRAW
			: ((opponent == loser) ? Outcome.WIN
					: Outcome.LOSE));
	}
	
	public static void main(String[] args) {
		RoShamBo.play(RoShamBo4.class, 20);
	}
}

 

2个参数的compete()方法执行第二个分发,该方法执行一系列的比较,

行为类似switch语句。 这个版本的程序简单,却比较难理解。

对于一个大型系统,难以理解的代码将导致系统不够健壮。



使用EnumMap分发

import static enumerated.Outcome.*;
public enum RoShamBo5 implements Competitor<RoShamBo5>{
	PAPER, SCISSORS, ROCK;
	static EnumMap<RoShamBo5, EnumMap<RoShamBo5, Outcome>>
		table = new EnumMap<RoShamBo5, EnumMap<RoShamBo5, Outcome>>(RoShamBo5.class);

	static{
		for(RoShamBo5 it : RoShamBo5.values())
			table.put(it, 
					new EnumMap<RoShamBo5, Outcome>(RoShamBo5.class));
		initRow(PAPER, DRAW, LOSE, WIN);
		initRow(SCISSORS, WIN, DRAW, LOSE);
		initRow(ROCK, LOSE, WIN, DRAW);
	}
	
	static void initRow(RoShamBo5 it,
			Outcome vPAPER, Outcome vSCISSORS, Outcome vROCK){
		EnumMap<RoShamBo5, Outcome> row = 
			RoShamBo5.table.get(it);
		row.put(RoShamBo5.PAPER, vPAPER);
		row.put(RoShamBo5.SCISSORS, vSCISSORS);
		row.put(RoShamBo5.ROCK, vROCK);
	}
	
	public Outcome compete(RoShamBo5 it) {
		return table.get(this).get(it);
	}
	
	public static void main(String[] args) {
		RoShamBo.play(RoShamBo5.class, 20);
	}
}
 

使用二维数组

还可以进一步简化实现两路分发的解决方案, 每个enum实例都有一个固定的值(基于声明的次序),

并且可以通过ordinal()方法取得该值。因此我们可以使用二维数组,将竞争者映射到

竞争的结果。 这种方式能够获得最简洁,最直接的解决方案

 

public enum RoShamBo6 implements Competitor<RoShamBo6>{
	PAPER, SCISSORS, ROCK;
	private static Outcome[][] tables = {
		{DRAW, LOSE, WIIN},	//PAPER
		{LOSE, WIN, DRAW},	//ROCK
		{WIN, DRAW, LOSE}, //SCISSOR
	};

	public Outcome compete(RoShamBo6 other){
		return table[this.ordinal()][other.ordinal()];
	}
	public static void main(String[] args){
		RoShamBo.play(RoShamBo6.class, 20);
	}
}
 

 

分享到:
评论

相关推荐

    Python 实现QRFR随机森林分位数回归多输入单输出区间预测(含模型描述及示例代码)

    内容概要:本文详细介绍了基于Python实现QRFR(随机森林分位数回归)的方法,这是一种能提供预测区间的多输入单输出回归模型。首先,回顾了分位数回归(QR)与随机森林(RF)的理论基础,阐述它们解决传统回归问题的优点。接着,针对QRFR模型的提出目的,强调了其提升预测准确性、适应复杂数据结构(如存在异方差的情况)、提高模型泛化能力的关键价值,并指出其面临的训练复杂性、超参数调节等方面的难题。同时讨论了自动化的数据预处理措施以及高效的集成学习技术。最后展示了该模型的应用前景,特别是在金融分析、气候预测、医疗健康等对不确定性和精确度有高度要求领域的作用。 适用人群:有一定Python和机器学习基础知识,特别是关注回归模型的开发人员和技术爱好者,从事相关行业数据分析的专业人士亦可通过此文获得有价值的实践经验。 使用场景及目标:主要用于处理复杂的非线性或多维特征空间里的回归问题,尤其是在对预测不确定性有着特殊需求的应用背景下。通过QRFR模型提供的点预测和置信区间,为用户提供更全面的结果解析和支持。 其他说明:文末附带详细的代码实现片段用于指导初学者实践搭建模型。并强调QRFR作为一种新型且

    园区智慧安防系统解决方案Word(47页).doc

    智慧园区安防综合管理平台,作为现代园区管理的核心支撑,正引领着园区管理向智慧化、高效化转型。该平台借助云计算、物联网、大数据等前沿技术,实现了园区内消防、技防、卡口、楼宇管理等子系统的有效统筹与融合,打破了信息孤岛,实现了资源的共享与协同。通过统一的管理平台,用户可以轻松实现对视频监控、人脸识别、消防预警、车辆管理等系统的综合监控与协调,大大提升了管理效率与应急响应速度。 在功能设计上,平台不仅提供了安全管理可视化数据视图、GIS地图应用等直观、便捷的管理工具,还融入了全景可视指挥、AR增强现实等高科技元素,使得园区的安防管理更加智能化、精细化。例如,通过全景摄像机对监控范围进行全景覆盖,结合AI智能识别技术,平台能够实现对目标的全方位监控与预警,有效提升了安防管理的效率与准确性。同时,平台还支持智能预案的设置,能够根据告警信息自动触发相应的响应措施,如声光告警、视频自动弹出等,进一步增强了园区的安全保障能力。 此外,智慧园区安防综合管理平台还注重数据的挖掘与应用,通过数据分析与挖掘技术,平台能够为园区管理者提供决策支持,帮助管理者更好地了解园区的运营状况,优化管理流程,提升服务质量。随着技术的不断进步和应用场景的不断拓展,智慧园区安防综合管理平台将为园区的可持续发展注入新的活力,为城市居民带来更加安全、便捷、智能的生活体验。

    59页-企业智慧园区安防监控解决方案.pdf

    智慧园区安防综合管理平台,作为现代园区管理的核心支撑,正引领着园区管理向智慧化、高效化转型。该平台借助云计算、物联网、大数据等前沿技术,实现了园区内消防、技防、卡口、楼宇管理等子系统的有效统筹与融合,打破了信息孤岛,实现了资源的共享与协同。通过统一的管理平台,用户可以轻松实现对视频监控、人脸识别、消防预警、车辆管理等系统的综合监控与协调,大大提升了管理效率与应急响应速度。 在功能设计上,平台不仅提供了安全管理可视化数据视图、GIS地图应用等直观、便捷的管理工具,还融入了全景可视指挥、AR增强现实等高科技元素,使得园区的安防管理更加智能化、精细化。例如,通过全景摄像机对监控范围进行全景覆盖,结合AI智能识别技术,平台能够实现对目标的全方位监控与预警,有效提升了安防管理的效率与准确性。同时,平台还支持智能预案的设置,能够根据告警信息自动触发相应的响应措施,如声光告警、视频自动弹出等,进一步增强了园区的安全保障能力。 此外,智慧园区安防综合管理平台还注重数据的挖掘与应用,通过数据分析与挖掘技术,平台能够为园区管理者提供决策支持,帮助管理者更好地了解园区的运营状况,优化管理流程,提升服务质量。随着技术的不断进步和应用场景的不断拓展,智慧园区安防综合管理平台将为园区的可持续发展注入新的活力,为城市居民带来更加安全、便捷、智能的生活体验。

    滑模与终端滑模技术:深入解析SMC控制系统的关键原理与应用,现代控制技术:滑模理论与终端滑模在SMC控制系统中的应用,滑模 终端滑模 smc ,滑模; 终端滑模; SMC,滑模控制与终端滑模SMC技

    滑模与终端滑模技术:深入解析SMC控制系统的关键原理与应用,现代控制技术:滑模理论与终端滑模在SMC控制系统中的应用,滑模 终端滑模 smc ,滑模; 终端滑模; SMC,滑模控制与终端滑模SMC技术

    基于MATLAB+Yalmip+Cplex平台的社区综合能源系统优化:风电储能与多能源协同调度策略考虑环境成本,基于MATLAB+Yalmip+Cplex平台的社区综合能源系统优化:风电储能与多能源协

    基于MATLAB+Yalmip+Cplex平台的社区综合能源系统优化:风电储能与多能源协同调度策略考虑环境成本,基于MATLAB+Yalmip+Cplex平台的社区综合能源系统优化:风电储能与多能源协同调度策略考虑环境成本,综合能源系统优化 数据来源《考虑需求响应的社区综合能源系统两阶段优化调度_刘蓉晖》 %% 风电+储能+电网交易+燃气轮机+燃气锅炉+电制冷机+(%燃料电池FC+溴化锂制冷机LBR+余热锅炉) 有电负荷+热负荷+冷负荷 加上环境成本 没有后面的二阶段哦 简单 注释清楚 MATLAB+yalmip+cplex平台 ,综合能源系统优化; 风电; 储能; 电网交易; 燃气轮机; 燃气锅炉; 电制冷机; 环境成本; MATLAB; yalmip; cplex平台。,基于需求响应的社区综合能源系统优化调度研究

    基于10并联25串联的光伏电池组,实现高效光伏发电系统的扰动观察法PO-SVPWM调制技术:电压电流双闭环三相并网控制策略,10并联25串联光伏电池组构成的光伏发电系统:采用SVPWM调制与扰动观察法

    基于10并联25串联的光伏电池组,实现高效光伏发电系统的扰动观察法PO-SVPWM调制技术:电压电流双闭环三相并网控制策略,10并联25串联光伏电池组构成的光伏发电系统:采用SVPWM调制与扰动观察法PO的电压电流双闭环三相并网策略,10并联,25串联的光伏电池组。 光伏光伏发电系统。 扰动观察法PO。 SVPWM调制。 电压电流双闭环三相并网。 ,10并联; 25串联; 光伏发电系统; 扰动观察法(PO); SVPWM调制; 电压电流双闭环三相并网。,基于PO法和SVPWM调制的光伏并网发电系统:并联与串联光电池的电压电流双闭环控制

    elasticsearch-analysis-jieba-8.17.2.zip

    elasticsearch 8.17.2的jieba分词器,直接解压到plugins目录下重启es就可以使用了

    【9481】基于springboot+vue的社区老人健康信息管理系统.zip

    技术选型 【后端】:Java 【框架】:springboot 【前端】:vue 【JDK版本】:JDK1.8 【数据库】:mysql 5.7+ 资源包含项目源码+数据库脚本+万字文档。 项目包含前后台完整源码,都经过本人调试,确保可以正常运行! 具体项目介绍可查看博主文章或私聊获取。 也可提供远程调试、二次开发、项目讲解服务,有意向可私聊。 助力学习实践,提升编程技能,快来获取这份宝贵的资源吧!

    Java就业前景ppt

    JAVA介绍ppt,适用于演讲培训等初识Java

    全国传统村落空间分布数据

    本文分享的全国传统村落矢量数据,共包含6819个传统村落的信息,这些数据被精心整理并记录在四个SHP文件中。这些数据不仅记录了每个村落的名称、详细地址和所属省份,还包含了每个村落的详细坐标信息。通过将这些数据加载到ArcGIS软件中,我们可以清晰地看到全国传统村落的空间分布情况。 在ArcGIS软件中加载这些数据后,我们可以打开图层的属性表,查看到每个村落的具体信息。这些信息不仅包括了村落的基本概况,还涵盖了村落的历史沿革、建筑风貌、选址特点以及民俗民风等方面的内容。这些信息为我们深入了解传统村落提供了宝贵的资料。

    基于DEMATEL-ISM法的民航飞行员综合安全能力多级递阶级结构模型研究:通用性分析与应用拓展,基于DEMATEL-ISM法的民航飞行员综合安全能力多级递阶级结构模型研究:通用性分析与应用拓展,基于

    基于DEMATEL-ISM法的民航飞行员综合安全能力多级递阶级结构模型研究:通用性分析与应用拓展,基于DEMATEL-ISM法的民航飞行员综合安全能力多级递阶级结构模型研究:通用性分析与应用拓展,基于DEMATEL-ISM法的民航飞行员综合安全能力结构模型研究(文章浮现)。 关键词:民航飞行员,综合安全能力,多级递阶级结构模型,中心度,原因度。 只需要改动原始矩阵,main文件(matlab)具有通用性,可用于如电力、能源等专业的深层次机理和层次结构分析 ,民航飞行员; 综合安全能力; 递阶级结构模型; 中心度; 原因度; 通用性; 深层次机理; 层次结构分析。,基于多级递阶ISM-DEMATEL法的研究:民航飞行员综合安全能力中心度与原因度分析模型

    用于人工智能综合课设.zip(课设&实训&大作业&项目)

    项目工程资源经过严格测试运行并且功能上ok,可复现复刻,拿到资料包后可实现复刻出一样的项目,本人系统开发经验充足(全栈),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助 【资源内容】:包含源码、工程文件、说明等。资源质量优质,放心下载使用!可实现复现;设计报告可借鉴此项目;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,及时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 质量优质,放心下载使用。下载后请首先打开说明文件(如有);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,网络商品/电子资源资料具可复制性不支持退款,勿用于商业用途。质量优质,放心下载使用。

    基于麻雀搜索算法优化LSSVM的回归预测:提高惩罚参数与核参数性能,基于麻雀搜索算法优化LSSVM的回归预测:提升惩罚参数与核惩罚参数性能(PSO-LSSVM优化可私信),基于麻雀搜索的LSSVM回归

    基于麻雀搜索算法优化LSSVM的回归预测:提高惩罚参数与核参数性能,基于麻雀搜索算法优化LSSVM的回归预测:提升惩罚参数与核惩罚参数性能(PSO-LSSVM优化可私信),基于麻雀搜索的LSSVM回归预测PSO-LSSVM 其他优化算法可私信 为了提高最小二乘支持向量机(lssvm)的回归预测准确率,对lssvm中的惩罚参数和核惩罚参数利用麻雀进行优化。 Matlab 代码 ,基于麻雀搜索的LSSVM回归预测; PSO-LSSVM; 参数优化; Matlab代码,基于麻雀搜索算法优化LSSVM回归预测的PSO-LSSVM模型

    SQLServer语句优化.rar

    SQLServer语句优化.rar

    基于S7-200 PLC与组态王技术的物料传送带装置四传送带输煤系统全套图纸及程序解析,基于S7-200 PLC和组态王的物料传送带装置四传送带输煤系统梯形图程序详解与工程实践指南,No.1032 基

    基于S7-200 PLC与组态王技术的物料传送带装置四传送带输煤系统全套图纸及程序解析,基于S7-200 PLC和组态王的物料传送带装置四传送带输煤系统梯形图程序详解与工程实践指南,No.1032 基于S7-200plc和组态王组态物料传送带装置4传送带四传送带输煤传送带 带解释的梯形图程序,接线图原理图图纸,io分配,组态画面 ,S7-200plc; 物料传送带装置; 梯形图程序; 接线图原理图; IO分配; 组态画面,S7-200 PLC与组态王联合控制:物料传送带装置的梯形图程序与组态画面详解

    基于Android的口罩识别系统.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,可复现复刻,拿到资料包后可实现复刻出一样的项目,本人系统开发经验充足(全栈),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助 【资源内容】:包含源码、工程文件、说明等。资源质量优质,放心下载使用!可实现复现;设计报告可借鉴此项目;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,及时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 质量优质,放心下载使用。下载后请首先打开说明文件(如有);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,网络商品/电子资源资料具可复制性不支持退款,勿用于商业用途。质量优质,放心下载使用。

    Php实训做的味多美蛋糕电商网站.zip(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,可复现复刻,拿到资料包后可实现复刻出一样的项目,本人系统开发经验充足(全栈),有任何使用问题欢迎随时与我联系,我会及时为您解惑,提供帮助 【资源内容】:包含源码、工程文件、说明等。资源质量优质,放心下载使用!可实现复现;设计报告可借鉴此项目;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,及时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 质量优质,放心下载使用。下载后请首先打开说明文件(如有);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,网络商品/电子资源资料具可复制性不支持退款,勿用于商业用途。质量优质,放心下载使用。

    This is myself backup, hahaha

    This is myself backup, hahaha

    2024年北京地区税务助理职位薪酬调查报告

    人力资源+大数据+薪酬报告+涨薪调薪,在学习、工作生活中,越来越多的事务都会使用到报告,通常情况下,报告的内容含量大、篇幅较长。那么什么样的薪酬报告才是有效的呢?以下是小编精心整理的调薪申请报告,欢迎大家分享。相信老板看到这样的报告,一定会考虑涨薪的哦。

    SSA算法加持的广义神经网络(GRNN)优化预测技术:Matlab代码详解及运行指南,SSA算法优化GRNN神经网络预测模型:精准预测的新方法,Matlab代码详注且可运行 ,SSA-GRNN 广义神

    SSA算法加持的广义神经网络(GRNN)优化预测技术:Matlab代码详解及运行指南,SSA算法优化GRNN神经网络预测模型:精准预测的新方法,Matlab代码详注且可运行。,SSA-GRNN 广义神经网络 基于鲸鱼算法优化的广义神经网络(GRNN)预测 基于麻雀算法优化的广义神经网络(GRNN)预测 更多优化算法可加好友 Matlab 代码注释详细,可正常运行。 ,SSA-GRNN; 优化算法; 广义神经网络; 预测; Matlab代码注释。,基于多算法优化的SSA-GRNN预测模型——Matlab代码详解

Global site tag (gtag.js) - Google Analytics