第1章 重构，第一个案例
1.1 起点
1.2 重构的第一步
1.3 分解并重组Statemen
1.4 运用多态取代与价格相关的条件逻辑
1.5 结语
第2章 重构原则
2.1 何谓重构
2.2 为何重构
2.3 何时重构
2.4 怎么对经理说
2.5 重构的难题
2.6 重构与设计
2.7 重构与性能
2.8 重构起源何处
第3章 代码的坏味道
3.1 Duplicated Code（重复的代码）
3.2 Long Method（过长函数）
3.3 Large Class（过大类）
3.4 Long Parameter List（过长参数列）
3.5 Divergent Change（发散式变化）
3.6 Shortgun Surgery（霰弹式修改）
3.7 Feature Envy（依恋情结）
3.8 Data Clumps（数据泥团）
3.9 Primitive Obsession（基本型别偏执）
3.10 Switch Statements（switch惊悚现身）
3.11 Parallel Inheritance Hierarchies（平行继承体系）
3.12 Lazy Class（冗赘类）
3.13 Speculative Generality（夸夸其谈未来性）
3.14 Temporary Field（令人迷惑的暂时值域）
3.15 Message Chai （过度耦合的消息链）
3.16 Middle Man（中间转手人）
3.17 Inappropriate Intimacy（狎昵关系）
3.18 Alternative Classes with Different Interfaces（异曲同工的类）
3.19 Incomplete Library Class（不完善的程序库类）
3.20 Data Class（纯稚的数据类）
3.21 Refused Bequest（被拒绝的遗赠）
3.22 Comments（过多的注释）
第4章 建立测试体系
4.1 自我测试码的价值
4.2 JUnit测试框架
4.3 添加更多测试
第5章 重构名录
5.1 重构的记录格式
5.2 寻找引用点
5.3 这些重构准则有多成熟
第6章 重新组织你的函数
6.1 Extract Method（提炼函数）
6.2 Inline Method（将函数内联化）
6.3 Inline Temp（将临时变量内联化）
6.4 Replace Temp With Query（以查询取代临时变量）
6.5 Introduce Explaining Variable（引入解释性变量）
6.6 Split Temporary Variable（剖解临时变量）
6.7 Remove Assignments to Paramete （移除对参数的赋值动作）
6.8 Replace Method with Method Object（以函数对象取代函数）
6.9 Substitute Algorithm（替换你的算法）
第7章 在对象之间移动特性
7.1 Move Method（搬移函数）
7.2 Move Field（搬移值域）
7.3 Extract Class（提炼类）
7.4 Inline Class（将类内联化）
7.5 Hide Delegate（隐藏「委托关系」）
7.6 Remove Middle Man（移除中间人）
7.7 Introduce Foreign Method（引入外加函数）
7.8 Introduce Local Exte ion（引入本地扩展）
第8章 重新组织你的数据
8.1 Self Encapsulate Field（自封装值域）
8.2 Replace Data Value with Object（以对象取代数据值）
8.3 Change Value to Reference（将实值对象改为引用对象）
8.4 Change Reference to Value（将引用对象改为实值对象）
8.5 Replace Array with Object（以对象取代数组）
8.6 Duplicate Observed Data（复制「被监视数据」）
8.7 Change Unidirectional Association to Bidirectional（将单向关联改为双向）
8.8 Change Bidirectional Association to Unidirectional（将双向关联改为单向）
8.9 Replace Magic Number with Symbolic Co tant （以符号常量/字面常量 取代魔法数）
8.10 Encapsulate Field（封装值域）
8.11 Enc
2021-11-25 22:10:35
31.26MB
1
88行matlab拓扑优化代码TopOpt-MMA-Python
回购在拓扑优化中的示例应用。
原始的拓扑优化代码由编写。
python代码等效于高效的88行MATLAB代码。
原始的python代码可以下载。
要将修改后的Python代码与MMA优化器一起使用，用户需要从存储库中下载文件MMA.py。
参考
Aage，N.，Johansen，VE（2013）。
165线拓扑优化代码。
从2019年11月2日检索
Svanberg，K.（nd）。
MMA和GCMMA
–非线性优化的两种方法。
从2017年8月3日检索
2021-11-06 15:19:55
29KB
1
可再生能源_FCC
该存储库包含针对可再生能源集成的灵活碳捕集问题的优化代码。
2021-11-04 18:41:49
3KB
1
matlab多目标优化代码CPDEA
版权所有刘一平
这些是“Yiping
Liu、Hisao
Ishibuchi、Gary
G.
Yen、Yusuke
Nojima
和
Naoki
Masuyama，处理不平衡”中提出的不平衡距离最小化问题
(IDMP)
和使用收敛惩罚密度方法
(CPDEA)
的进化算法的代码进化多模态多目标优化决策空间中的收敛性和多样性之间，IEEE
进化计算汇刊，2020
年，24(3)，第
551-565
页，“。
代码使用发表于“Ye
Tian
等人，PlatEMO:
A
MATLAB
Platform
for
Evolutionary
Multi-Objective
Optimization,
IEEE
Computational
Intelligence
Magazine,
2017,
12(4):
73-87”。
如果您有任何问题，请联系。
2021-11-04 16:24:42
8.45MB
1
matlab解决路径优化代码ConvertChanceConstraint（CCC）
ConvertChanceConstraint（ccc）：用于机会约束优化的Matlab工具箱
基础信息
ConvertChanceConstraint（ccc）是基于的Matlab工具箱。
使用ccc，用户可以使用YALMIP语法来表示机会受限的优化问题，然后ccc将其转换为YALMIP和兼容的求解器可以解决的格式。
可以在中找到更多详细信息。
最新版本（进行中）
开发版本（
master分支）
建议的引文如果您发现ccc在您的工作中很有用，我们恳请您引用以下文章
@article{geng2019data,
title={Data-driven
decision
making
in
power
systems
with
probabilistic
guarantees:
Theory
and
applications
of
chance-constrained
optimization},
author={Geng,
Xinbo
and
Xie,
Le},
journal={Annual
Revi
2021-10-09 11:38:11
463KB
1
matlab模拟优化代码topopt-mgcg-matlab
用于高效3-D拓扑优化的MATLAB代码使用多网格CG，近似灵敏度分析，回收预编码器
该存储库包含以下论文中使用的matlab代码：
Omir，N.Aage和BS
Lazarov（2014）。
在multigrid-CG上进行有效的拓扑优化。
结构和多学科优化，49（5），815-829。
Amir，O.（2015年）。
回顾拓扑优化中的近似重新分析：以最小的重量过程进行循环预处理的优势。
结构和多学科优化，51（1），41-57。
这些代码现已免费提供，请在您的研究工作中参考相关出版物。
三种类型的代码：
top3d
*
.m
=使用MGCG求解器的3-D最小符合性topopt：
a）基本
b）具有灵敏度监控
minV
*
.m
=二维最小体积topopt：
a）基本
b）重新分析
c）无基质再分析
minW3d
*
.m
=使用MGCG求解器的3-D最小体积topopt：
a）基本
b）无基质，带回收预处理器
c）无矩阵，带有循环预处理器和灵敏度监控
强烈建议扩展和改进！！！
2021-10-08 16:13:50
33KB
1