《大数据和人工智能交流》头条号向广大初学者新增C 、Java 、Python 、Scala、javascript 等目前流行的计算机、大数据编程语言,希望大家以后关注本头条号更多的内容。
原型模式(Prototype Pattern):原型模式是一种对象创建型模式,用原型实例指定创建对象的种类,并且通过复制这些原型创建新的对象。原型模式允许通过一个原型对象创建一个或多个同类型的其他对象,而无须知道任何创建的细节。
Prototype:抽象原型类
ConcretePrototype:具体原型类
Client:客户类
所有的Java类都继承自java.lang.Object,而Object类提供一个clone()方法,可以将一个Java对象复制一份;在Java中可以直接使用Object提供的clone()方法来实现对象的克隆(浅克隆);能够实现克隆的Java类必须实现一个标识接口Cloneable,表示这个Java类支持复制;如果一个类没有实现这个接口但是调用了clone()方法,Java编译器将抛出一个CloneNotSupportedException异常
1、浅克隆(Shallow Clone):
当原型对象被复制时,只复制它本身和其中包含的值类型的成员变量,而引用类型的成员变量并没有复制。
2、深克隆(Deep Clone)
除了对象本身被复制外,对象所包含的所有成员变量也将被复制
案例:实现简历复制
现要求实现一个能够自动生成求职简历的程序,简历的基本内容包括求职者的姓名、性别、年龄及工作经历等。希望每份简历中的工作经历有所不同,并尽量减少程序中重复的代码。
本案例采用的是深复制,除了对象本身被复制外,成员对象也被复制,work是Resume的成员对象。
package com.test;
public class WorkResume {
public static void main(String[] args) {
Resume r = new Resume("lily");
r.setPersonalInfo("female", "21");
r.setWorkExperience("2020-01-01", "xxx公司");
Resume rr = (Resume)r.Clone();
rr.setWorkExperience("2020-02-02", "yyy公司");
}
}
//工作经历
class WorkExperience implements Cloneable{
private String workDate;
private String company;
//克隆一份简历
public Object Clone(){
//具体克隆的类
WorkExperience obj = new WorkExperience();
obj.workDate = this.workDate;
obj.company = this.company;
return obj;
}
}
class Resume implements Cloneable{
private String name;
private String sex;
private String age;
private WorkExperience work;
public Resume(String name){
this.name = name;
work = new WorkExperience();
}
private Resume(WorkExperience work){
this.work = (WorkExperience)work.Clone();
}
//个人信息,代码略
public void setPersonalInfo(String sex,String age){}
public void setWorkExperience(String workDate,String company){}
public Object Clone(){
Resume obj = new Resume(this.work);
//其余代码略
return obj;
}
}
原型模式优点:
1、简化对象的创建过程,通过复制一个已有实例可以提高新实例的创建效率
2、扩展性较好
3、简化创建结构,原型模式中产品的复制是通过封装在原型类中的克隆方法实现的,无须专门的工厂类来创建产品
4、可以使用深克隆的方式保存对象的状态,以便在需要的时候使用,可辅助实现撤销操作
原型模式缺点:
1、需要为每一个类配备一个克隆方法,而且该克隆方法位于一个类的内部,当对已有的类进行改造时,需要修改源代码,违背了开闭原则
2、在实现深克隆时需要编写较为复杂的代码,而且当对象之间存在多重的嵌套引用时,为了实现深克隆,每一层对象对应的类都必须支持深克隆,实现起来可能会比较麻烦
《大数据和人工智能交流》的宗旨
1、将大数据和人工智能的专业数学:概率数理统计、线性代数、决策论、优化论、博弈论等数学模型变得通俗易懂。
2、将大数据和人工智能的专业涉及到的数据结构和算法:分类、聚类 、回归算法、概率等算法变得通俗易懂。
3、最新的高科技动态:数据采集方面的智能传感器技术;医疗大数据智能决策分析;物联网智慧城市等等。
根据初学者需要会有C语言、Java语言、Python语言、Scala函数式等目前主流计算机语言。
根据读者的需要有和人工智能相关的计算机科学与技术、电子技术、芯片技术等基础学科通俗易懂的文章。