《设计模式就该这样学》之微信和QQ这么多群,该如何管理好友关系?

(1)系统中对象之间存在复杂的引用关系,产生的相互依赖关系结构混乱且难以理解。

(2)交互的公共行为,如果需要改变行为,则可以增加新的中介者类。

2 中介者模式的UML类图


中介者模式的UML类图如下图所示。

图片

3 使用中介者模式设计群聊场景


假设我们要构建一个聊天室系统,用户可以向聊天室发送消息,聊天室会向所有用户显示消息。实际上就是用户发信息与聊天室显示的通信过程,不过用户无法直接将信息发给聊天室,而需要将信息先发到服务器上,然后服务器再将该消息发给聊天室进行显示,具体代码如下。首先创建User类。

public class User {

private String name;

private ChatRoom chatRoom;

public User(String name, ChatRoom chatRoom) {

this.name = name;

this.chatRoom = chatRoom;

}

public void sendMessage(String msg) {

this.chatRoom.showMsg(this, msg);

}

public String getName() {

return name;

}

}

然后创建ChatRoom类。

public class ChatRoom {

public void showMsg(User user, String msg) {

System.out.println(“[” + user.getName() + “] :” + msg);

}

}

最后编写客户端测试代码。

public static void main(String[] args) {

ChatRoom room = new ChatRoom();

User tom = new User(“Tom”,room);

User jerry = new User(“Jerry”,room);

tom.sendMessage(“Hi! I am Tom.”);

jerry.sendMessage(“Hello! My name is Jerry.”);

}

运行结果如下图所示。

图片

4 中介者模式在JDK源码中的应用


首先来看JDK中的Timer类。打开Timer的结构,我们发现Timer类中有很多schedule()重载方法,如下图所示。

图片

任意点开其中一个方法,我们发现所有方法最终都调用了私有的schedule()方法,源码如下。

public class Timer {

public void schedule(TimerTask task, long delay) {

if (delay < 0)

throw new IllegalArgumentException(“Negative delay.”);

sched(task, System.currentTimeMillis()+delay, 0);

}

private void sched(TimerTask task, long time, long period) {

if (time < 0)

throw new IllegalArgumentException(“Illegal execution time.”);

if (Math.abs(period) > (Long.MAX_VALUE >> 1))

period >>= 1;

synchronized(queue) {

if (!thread.newTasksMayBeScheduled)

throw new IllegalStateException(“Timer already cancelled.”);

synchronized(task.lock) {

if (task.state != TimerTask.VIRGIN)

throw new IllegalStateException(

“Task already scheduled or cancelled”);

task.nextExecutionTime = time;

task.period = period;

task.state = TimerTask.SCHEDULED;

}

自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。

深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!

因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!

由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!

如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)

img

最后

面试题文档来啦,内容很多,485页!

由于笔记的内容太多,没办法全部展示出来,下面只截取部分内容展示。

1111道Java工程师必问面试题

MyBatis 27题 + ZooKeeper 25题 + Dubbo 30题:

Elasticsearch 24 题 +Memcached + Redis 40题:

Spring 26 题+ 微服务 27题+ Linux 45题:

Java面试题合集:

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
题+ 微服务 27题+ Linux 45题:**

[外链图片转存中…(img-9mPwq3BU-1713517068065)]

Java面试题合集:

[外链图片转存中…(img-AxwTeYgZ-1713517068066)]

《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!

  • 22
    点赞
  • 30
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 基于算法群模式的矩形排样算法设计主要是为了在给定一组矩形的情况下,找到一种有效的方式将这些矩形进行排列,使其尽可能地填满一个给定的矩形区域。 一个常见的矩形排样算法是基于贪心策略的算法。该算法的基本思路是,从矩形集合中选择一个最大的矩形作为起点,将其放置于目标矩形区域的一个角落位置。然后,从剩余的矩形中选择一个合适的矩形来填充剩余的空间,直到所有矩形都被放置到目标矩形中或不能再放置矩形为止。 算法群模式则是指在算法设计中引入多种算法,每种算法都有其优势和不同的策略来解决问题。对于矩形排样算法设计中的算法群模式,我们可以采用多种不同的排样策略来进行矩形的放置,从而得到更优的结果。 具体的c实现包括定义矩形和目标矩形的数据结构,并实现各种算法群模式中的算法,如贪心算法、遗传算法、模拟退火算法等。在每个算法中,我们需要实现矩形的选取和放置策略,并保证放置后的矩形不重叠且尽可能填充整个目标矩形区域。最后,将排好序的矩形结果输出。 需要注意的是,在矩形排样算法设计和实现过程中,我们还需要考虑一些额外的约束条件,如矩形的旋转、矩形的边界条件、矩形的约束关系等。 综上所述,基于算法群模式的矩形排样算法设计及其c实现,是通过引入多种不同的矩形排样算法,采用不同的策略来解决问题,并通过有效的实现和算法组合来得到更优的矩形排列结果。 ### 回答2: 基于算法群模式的矩形排样算法设计及其c实现是一种解决矩形排列问题的算法。矩形排样问题是指将一组矩形按照一定规则放置在一个矩形的区域中,使得矩形之间不重叠且最大化利用矩形区域的算法。 算法群模式是一种启发式算法,它基于一种生物群体行为的模拟,采用多个粒子(也称为个体)对问题进行搜索和优化。这些粒子通过移动和相互交流信息来寻找最优解。 基于算法群模式的矩形排样算法设计步骤如下: 1. 初始化种群:随机生成一组初始矩形布局。 2. 计算适应度:计算每个布局的适应度,即矩形之间的重叠面积。 3. 更新最优解:更新最优适应度和最佳布局。 4. 更新粒子位置:根据当前位置和适应度更新粒子的位置,并考虑粒子的速度和信息交流。 5. 判断终止条件:如果满足终止条件(例如达到最大迭代次数或找到最优解),则结束迭代,否则返回步骤3。 基于C语言的实现主要涉及矩形结构体的定义及初始化、适应度计算函数的编写、位置和速度的更新函数的编写以及主函数中的迭代过程控制和结果输出。 该算法设计相对简单,使用启发式搜索方式有效解决矩形排样问题,并具有较好的性能。但也需要注意算法参数的选择和调整,在实际应用中,可以根据具体问题进行优化和改进。 ### 回答3: 基于算法群模式的矩形排样算法设计指的是利用某种群体智能算法,如遗传算法、粒子群算法等,来解决矩形排样问题的算法设计。矩形排样问题是指在一个给定的矩形容器内,如何将多个矩形对象排列布局,使得它们不重叠且能充分利用容器空间。 基于算法群模式的矩形排样算法设计一般包括以下步骤: 1. 确定适应度函数:根据排布结果的紧密度、空间利用率等指标,设计适应度函数来评价每种排布方式的好坏。 2. 初始化群体:初始化一组矩形对象的排布方案,可以采用随机方式生成初始解。 3. 群体智能算法迭代:利用群体智能算法(如遗传算法)进行迭代搜索,通过交叉、变异、选择等操作,不断产生新的解,并根据适应度函数进行评估和选择。 4. 终止条件判断:设定合适的终止条件,如达到最大迭代次数、找到满足要求的解等。 5. 输出最佳解:根据群体智能算法的迭代过程,最终输出具有最佳适应度的矩形排布方案,即为最佳解。 对于算法的C语言实现,可以根据具体的群体智能算法选择合适的编程方式。一般而言,可以使用C语言实现群体智能算法的相关操作,如种群的初始化、交叉、变异、选择等,并根据具体情况实现适应度函数的计算和矩形排布方案的生成与更新。 通过基于算法群模式的矩形排样算法设计及其C实现,可以实现自动化地解决矩形排样问题,提高排布效率,减少资源浪费。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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