老僧长谈设计模式-5-装饰者模式

声明:

本节内容主要来自Head First & Java 设计模式

【开场白】

一个咖啡馆的故事

首先是名词解释,学好英语很重要。

Beverage 饮料

House Blend 综合咖啡(首选咖啡)

DarkRoast 深焙咖啡

Decaf 无咖啡因

Espresso 浓咖啡


Condiment 配料

soy 豆浆

mocha 摩卡

whip 奶泡


【what】

装饰者模式是什么?

简图:


装饰者模式动态地将责任附加到对象身上,若要扩展功能,装饰者提供了比继承更有弹性的替代方案。

-------------------------------------------

我们都知道,可以使用两种方式给一个类或者对象添加行为。
一是使用继承。继承是给一个类添加行为的比较有效的途径。通过使用继承,可以使得子类在拥有自身方法的同时,还可以拥有父类的方法。但是使用继承是静态的,在编译的时候就已经决定了子类的行为,我们不便于控制增加行为的方式和时机。
二是使用关联。组合即将一个对象嵌入到另一个对象中,由另一个对象来决定是否引用该对象来扩展自己的行为。这是一种动态的方式,我们可以在应用程序中动态的控制。
与继承相比,关联关系的优势就在于不会破坏类的封装性,且具有较好的松耦合性,可以使系统更加容易维护。但是它的缺点就在于要创建比继承更多的对象。

-----------------------------------------------------------

类图


  • 抽象构件(Component)角色:给出一个抽象接口,以规范准备接收附加责任的对象。
  • 具体构件(Concrete Component)角色:定义一个将要接收附加责任的类。
  • 装饰(Decorator)角色:持有一个构件对象的实例,并定义一个与抽象构件接口一致的接口。
  • 具体装饰(Concrete Decorator)角色:负责给构件对象 贴上 附加的责任。

【How】

一个咖啡馆的故事星巴兹(Starbuzz)

提出问题

星巴兹订单系统


因为扩张速度太快了,后来变成了这样:


我艹,类爆炸了,傻X了吧……

改方案,

方案二:利用实例变量和继承,就可以追踪那些调料了。



又有人说了,此方案也有缺点:



违反了一个重要的设计原则:



这时,终于有聪明人出现了,solve question 提出了设计模式的模型:



关键点:

  • 装饰者和被装饰对象有相同的超类型
  • 你可以用一个或多个装饰者包装一个对象
  • 既然装饰者和被装饰对象有相同的超类型,所以在任何需要原始对象(被包装的)的场合,可以用装饰过的对象代替它
  • 装饰者可以在所委托被装饰者的行为 前/后 ,加上自己的行为,以达到自己的目的
  • 对象可以在任何时候被装饰,所以可以在运行时动态地,不限量地用你喜欢的装饰者来装饰对象

是这样运作的:



重新再认识装饰模式



装饰星巴兹咖啡



代码实例

Berveage基类

public abstract class Beverage {  
    protected String description = "Unknown Beverage";  
  
    public String getDescription() {  
        return description;  
    }  
  
    public abstract double cost();  
}
组件类:综合咖啡

public class HouseBlend extends Beverage {  
  
    public HouseBlend(){  
        description = "HouseBlend";  
    }  
      
    @Override  
    public double cost() {  
        return 0.89;  
    }  
  
}

装饰者类(用调料来装饰咖啡)

public abstract class CondimentDecorator extends Beverage{  
    public abstract String getDescription();  
}

具体装饰者类:摩卡


测试类:



【why】

装饰模式可以在所委托被装饰者的行为之前/之后,加上自己的行为,以达到装饰的目的。

装饰模式动态地将新行为附加到对象身上,若要扩展功能,装饰者提供了比继承更有弹性的替代方案。

重点:装饰对象与被装饰对象源自同一类型。

关键点:如果依赖继承,那么类的行为只能在编译时静态决定,利用“对象组合”就可以运行时动态加入新的行为。

装饰模式核心点--对象组合,正是使用了“对象组合”可以把饮料和调料更有弹性的混合与匹配,very easy, 妙!


为什么需要装饰者模式?

类爆炸

开闭-原则

对扩展开放,对修改关闭。


【JDK中的装饰模式】



【when】

什么时候用?

重点来了:

基类需要有新的行为来装饰时用装饰模式较好!

装饰类必须和被装饰类对象是源自同样的类型,装饰类继承被装饰基类是为了有正确的类型,而不是继承他的行为。

如本例中的调料类就是继承自基类饮料类。



【他山之石】

看看阎宏怎么说?


孙悟空七十二变,这个例子太TM贴切了!very good!!

【优点】

1、装饰者模式可以提供比继承更多的灵活性
2、可以通过一种动态的方式来扩展一个对象的功能,在运行时选择不同的装饰器,从而实现不同的行为。
3、通过使用不同的具体装饰类以及这些装饰类的排列组合,可以创造出很多不同行为的组合。可以使用多个具体装饰类来装饰同一对象,得到功能更为强大的对象。
4、具体构件类与具体装饰类可以独立变化,用户可以根据需要增加新的具体构件类和具体装饰类,在使用时再对其进行组合,原有代码无须改变,符合“开闭原则”。

【适用场景】

1、在不影响其他对象的情况下,以动态、透明的方式给单个对象添加职责。
2、需要动态地给一个对象增加功能,这些功能也可以动态地被撤销。  当不能采用继承的方式对系统进行扩充或者采用继承不利于系统扩展和维护时。

【小结】

 1、 组合和委托可以在运行时动态的添加新的行为,而继承是静态的,在系统编译时就已经决定了对象的行为。
 2、装饰者模式意味着一群装饰者类,这些类用来包装具体组件
 3、装饰者可以在被装饰者的行为前面或者后面加上自己的行为,甚至可以将被装饰者的行为整个取代掉,从而达到特定的目的。
 4、可以用多个装饰者包装一个组件。
 5、装饰者一般对于组件的客户是透明的,除非客户程序依赖于组件的具体类型。
 6、装饰者会导致设计中出现许多的小对象,如果过度的使用,会让系统变得更加复杂。
 7、装饰者和被装饰者对象有相同的超类型。


最后孙大圣镇楼!!!


深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
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