Moving Features Between Objects

Move Method
如果一个method与另一个class进行了更多的交流(调用或被调用),则需要把它Move到该class中。从而达到高内聚、低耦合的作用。在进行Move Method时需要注意的几点:
1.检查该method使用的一切feature(包括field, method等),如果需要的话,一并move多个method
2.检查该class是否有subclass或superclass,如果使用到了多态,则不能进行这项重构
3.如果method用到了field,则把该field当作method的参数传入新的method
4.如果method用到了其它的method,则把该class当作method的参数传入新的method,在新的method里根据这个引用,调用其它的method

Move Field
某个field被另外一个class更多的用到,则把该field移动到该class中。方法很简单,现对该field建立getter和setter,然后把所有使用该field的地方都替换为getter或setter,再然后就在目标class中建立新的field,最后把原class的getter, setter改为对新getter, setter的简单代理。如果需要,可以把所有使用原getter, setter的地方都替换为新class的getter, setter。

Extract Class
当一个class做了应该由两个class做的事时,应该Extract Class。有几种情况:
1.class太大
2.某些field和method总是一起出现,彼此紧密关联,比如Person类中的电话区号和电话号码,这时应该extract一个TelephoneNumber类
3.如果某些特性需要这样subtyping,而某些特性需要那样subtyping,则可能需要分解原来的class了
方法是先Move Field,再Move Method。

Inline Class
与Extract Class相反,当一个class没有承担足够责任的时候用。

Hide Delegate
将person.getDepartment().getManager() -> person.getManager()。后者是前者的简单代理。对调用者隐藏Department对象。为的是进一步封装,不让调用者了解更多细节。

Remove Middle Man
与Hide Delegate相反。如果某个class做了过多的简单代理工作,完全成了中间人,则需要暴露被代理的对象,让其它class直接调用。有两点:
1.把握一个合适的隐藏程度,在合适的时间使用Hide Delegate或Remove Middle Man
2.两者是不冲突的,可以根据具体情况保留一部分代理

Introduce Foreign Method
使用的某个server class需要一个额外的函数,但是无法修改这个class,此时需要在client class中建立一个额外的函数提供这个功能。个人感觉经常做这个事,不用特别记住。

Introduce Local Extension
对于Introduce Foreign Method的情况,如果需要引入的函数太多,则需要用Introduce Local Extension,通过继承(subclass)或组合(wrapper)的方式扩展server class。两种方式各有优缺点,可根据具体情况选用。一般subclass的方式工作量较小。
使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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