2026年北航面向对象设计与构造
OOpre课程总结
墨衍会员 · AI 创作全网分发 墨衍智能分发 通过墨衍一键同步至各平台 可同步平台 CSDN微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网
我也要 关注 + 加入社区OOpre课程总结
整体说明
最终架构
类关系说明
核心类说明
Command类：根据命令解析的数组，完成对应的指令。
Lexer类： 词法分析类，用于解析lr指令中传入的语句
Factory类： 工厂类，用于创建正确的类别对象
Adventurer类： 冒险者类，包含冒险者的基本属性和冒险者对应的方法
迭代过程：
- 第一次迭代：题目中引入背包的概念，通过引入了Item父类和Use接口进行管理，从而实现对背包和可用物品的管理。
- 第二次迭代：题目中引入更加具体的武器类别和金钱管理系统。由于类的数量的急剧增加，通过引入Factory工厂类，来进行创建。由于Bottle同时实现了Use接口和继承Item，整个代码过于冗杂，所以删除了Use接口，在Adventurer类中创建了两个ArrayList分别用来存放Bottle和Spell。
- 第三次迭代：题目中引入雇佣关系。在Adventurer类中引入employer和使用ArrayList来管理被雇佣的人。这一次指令特别的繁琐，为了通过checkstyle，需要在command类中不断地细化指令。
- 第四次迭代：使用Lexer类进行词法解析即可。
junit使用感想
使用junit进行单元测试初上手的时候感觉十分的麻烦，为了提高分支覆盖率和行覆盖率可能要写非常多的测试。但是这段时间的OO练习过程中，代码问题主要是有两个。一个是没有能够完全理解题目的意思，或者是遗落题目中的某种情况，这种问题主要是通过与同学的讨论来解决。二是代码未能实现对应的功能，像循环提前结束等等。遇到这种情况时，junit测试就至关重要了。最好在一边实现功能时一边写junit测试，保证对应的功能都能实现。_
OOpre心得体会
面向对象中，我认为最重要的能力是抽象。在这整个的OOpre过程中也是体会到了抽象的重要性。如何提取出共同点从而实现更好的管理。比如在实现Bottle的使用时，可以抽象为adventurer属性的改变，所以不需要再单独地去实现useBottle这个方法。面向对象的开发思想要求我们在编程时要更加注重对象的创建和使用，代码的编写围绕着对象来实现。
建议
- 课下的测试点建议都给出，方便进行测试。
相关推荐
2023Fall-BUAA-OOPre-hw-8-summary
"2023Fall-BUAA-OOPre-hw-8-summary"这篇文档主要介绍了作者在完成BUAA（北京航空航天大学）OOP（面向对象编程）课程预习作业第八部分时的架构设计与迭代过程。作业的
北京航空航天大学2024年秋季学期面向对象设计与构造先导课程实践项目_基于Java语言的冒险游戏设计与实现_面向对象编程思想实践与教学演示_包含类设计继承多态接口实现设计模式.zip
北京航空航天大学（北航）2024年秋季学期的先导课程实践项目，致力于让学生通过设计和实现一个基于Java语言的冒险游戏，来深入理解和掌握面向对象编程的思想。
技术转移机构如何基于数据提升项目撮合精准度？.docx
技术转移机构如何基于数据提升项目撮合精准度？
超扭滑模与快速终端滑模的永磁同步电机无感控制：理论、离散化实现与仿真研究（Simulink仿真实现）
内容概要：本文系统研究了超扭滑模控制（STSMC）与快速终端滑模控制（FTSMC）在永磁同步电机（PMSM）无感控制中的应用，重点涵盖其理论基础、离散化实现方法及Simulink仿真验证。文章深入阐述了两种高阶滑模控制策略的设计原理，利用磁链无感观测技术实现转子位置与速度的精确估计，从而省去物理传感器，有效提升了系统的可靠性与鲁棒性。同时，提供了完整的Simulink仿真模型构建方案，包括控制器设计、关键参数整定及动态响应性能分析，充分验证了所提出的方法在零速与低速工况下的卓越控制性能和有效性。; 适合人群：具备电机控制、现代控制理论基础知识及熟练掌握MATLAB/Simulink仿真技能的研究生、科研人员与工程技术人员。; 使用场景及目标：①深入理解高阶滑模控制在电机驱动系统中的设计思想与具体实现；②掌握基于滑模观测器的无感控制核心技术；③开展永磁同步电机高性能控制算法的理论研究、仿真验证与工程化探索。; 阅读建议：建议将文中详尽的理论推导与Simulink仿真模型相结合进行学习，重点关注滑模面的构建、抖振抑制策略的实施以及离散化处理的细节，有条件的研究者可进一步将算法移植到DSP等硬件平台进行实验验证，以深化对理论的理解并检验其实际应用效果。
多源动态最优潮流的分布鲁棒优化方法（IEEE118节点）（Matlab代码实现）
内容概要：本文系统阐述了基于Matlab的多源动态最优潮流分布鲁棒优化方法，聚焦于IEEE118节点电力系统，旨在应对高比例可再生能源接入背景下源荷双重不确定性所带来的调度挑战。该方法深度融合分布鲁棒优化理论，通过构建能够抵御最坏情况概率分布的决策模型，有效提升了电力系统在复杂不确定性环境下的运行安全性、经济性与可靠性。研究不仅提供了完整的Matlab代码实现，便于结果复现与算法验证，还特别关注了含风电等新能源的现代电网低碳调度问题，为解决实际工程中的优化调度难题提供了强有力的理论支撑和技术工具。; 适合人群：具备电力系统分析基础和Matlab编程能力的研究生、科研人员及从事智能电网优化运行、能源系统规划等相关领域的工程技术人员。; 使用场景及目标：①研究含高比例可再生能源接入的电力系统动态最优潮流问题；②掌握分布鲁棒优化在电力系统经济调度、低碳调度中的建模思想与求解方法；③利用IEEE118标准测试系统进行算法有效性验证与性能对比分析；④基于所提供的Matlab代码进行二次开发，探索新型不确定性优化理论在电力系统中的创新应用。; 阅读建议：建议读者结合电力系统最优潮流、不确定性优化理论（特别是分布鲁棒优化）的背景知识进行学习，重点关注模型的构建逻辑、目标函数与约束条件的设计原理，以及Matlab代码的具体实现细节。在学习过程中，应动手调试代码，尝试修改系统参数（如新能源出力波动范围、负荷水平等），以观察不同场景下优化结果的变化，从而深刻理解该方法的适应性、优势及其潜在的局限性。
