策略模式(Strategy)

如果某一个程序中用到各种各样的算法, 这些算法如果预编译的程序中会非常臃肿, 此时策略模式就可以实现各种算法的灵活取用
实际需求如下:
我有一个车载道路安全应用程序, 需要FDW道路前向预警功能, TSR道路标志牌识别功能, DMS驾驶员监控功能, 分别对应三种类型的算法模型, 而这三种算法模型由不同的供应商提供, 具体采用哪个供应商的算法要根据实际测试的效果来评判, 但在我们的应用中要提供能够兼容所有算法的接口
此时用策略模式会是一个非常好的选择, 代码实现如下:

// 前向预警interfaceFDW{voidreference();}// 交通标识牌识别interfaceTSR{voidpredict();}// 驾驶员监控interfaceDMS{voidforward();}classDesayFDWimplementsFDW{@Overridepublicvoidreference(){System.out.println("[FDW] 德赛西威道路前向预警算法");}}classDesayTSRimplementsTSR{@Overridepublicvoidpredict(){System.out.println("[TSR] 德赛西威道路标识牌识别算法");}}classHorizonFDWimplementsFDW{@Overridepublicvoidreference(){System.out.println("[FDW] 地平线道路前向预警算法");}}classHorizonTSRimplementsTSR{@Overridepublicvoidpredict(){System.out.println("[TSR] 地平线道路标识牌识别算法");}}classHorizonDMSimplementsDMS{@Overridepublicvoidforward(){System.out.println("[DMS] 地平线驾驶员监控算法");}}classBlackSesameTSRimplementsTSR{@Overridepublicvoidpredict(){System.out.println("[TSR] 黑芝麻道路标识牌识别算法");}}classBlackSesameDMSimplementsDMS{@Overridepublicvoidforward(){System.out.println("[DMS] 黑芝麻驾驶员监控算法");}}// 算法控制器, 提供动态的设置算法和运行算法进行计算的能力classAIAlgorithmController{FDWfdw;DMSdms;TSRtsr;publicvoidsetFdw(FDWfdw){this.fdw=fdw;}publicvoidsetDms(DMSdms){this.dms=dms;}publicvoidsetTsr(TSRtsr){this.tsr=tsr;}publicvoidrunFdwInfer(){fdw.reference();}publicvoidrunTsrInfer(){tsr.predict();}publicvoidrunDmsInfer(){dms.forward();}}

上述代码示例中, 有DMS, TSR, FDW三种策略, 针对三种策略, 各个供应商提供了7种算法, 最终所有的算法在控制器中得到灵活取用
实际调用示例如下:

publicclassStrategyPattern{publicstaticvoidmain(String[]args){// 通过算法控制器AIAlgorithmController动态地选择合适的算法AIAlgorithmControlleraiController=newAIAlgorithmController();aiController.setDms(newBlackSesameDMS());aiController.setTsr(newHorizonTSR());aiController.setFdw(newDesayFDW());aiController.runFdwInfer();aiController.runTsrInfer();aiController.runDmsInfer();}}

输出:

[FDW] 德赛西威道路前向预警算法 [TSR] 地平线道路标识牌识别算法 [DMS] 黑芝麻驾驶员监控算法

策略模式和状态模式在代码组织上非常相似, 如果状态模式将状态暴露给调用者, 那其实就和策略模式没什么区别了. 所以两者的关键区别就在这里