我有一组模型类,以及一组可以在模型上运行的算法。并非所有类型的模型都可以执行所有算法。我希望模型类能够声明它们可以执行的算法。模型可以执行的算法可能取决于其参数。
示例:假设我有两种算法,MCMC和重要性,表示为特征:
trait MCMC extends Model {
def propose...
}
trait Importance extends Model {
def forward...
}
我有一个模型类Normal,它采用一个均值参数,它本身就是一个模型。现在,如果mean实现MCMC,我希望Normal实现MCMC,如果mean实现了Importance,我希望Normal实现Importance。
我可以写: class Normal(mean:Model)extends Model { //一些常见的东西就在这里 }
class NormalMCMC(mean: MCMC) extends Normal(mean) with MCMC {
def propose...implementation goes here
}
class NormalImportance(mean: Importance) extends Normal(mean) with Importance {
def forward...implementation goes here
}
我可以创建工厂方法,确保使用给定的平均值创建正确的Normal类型。但显而易见的问题是,如果同时实现MCMC和重要性,该怎么办?然后我希望Normal也实现它们。但我不想创建一个重新实现提议和转发的新类。如果NormalMCMC和NormalImportance没有参数,我可以使它们成为特征并将它们混合在一起。但是在这里我希望混合依赖于参数的类型。有一个很好的解决方案吗?
答案 0 :(得分:7)
使用self types允许您将模型算法实现与实例化分离并将它们混合在一起:
trait Model
trait Result
trait MCMC extends Model {
def propose: Result
}
trait Importance extends Model {
def forward: Result
}
class Normal(val model: Model) extends Model
trait NormalMCMCImpl extends MCMC {
self: Normal =>
def propose: Result = { //... impl
val x = self.model // lookie here... I can use vals from Normal
}
}
trait NormalImportanceImpl extends Importance {
self: Normal =>
def forward: Result = { // ... impl
...
}
}
class NormalMCMC(mean: Model) extends Normal(mean)
with NormalMCMCImpl
class NormalImportance(mean: Model) extends Normal(mean)
with NormalImportanceImpl
class NormalImportanceMCMC(mean: Model) extends Normal(mean)
with NormalMCMCImpl
with NormalImportanceImpl
答案 1 :(得分:4)
感谢Kevin,Mitch和Naftoli Gugenheim以及Daniel Sobral在规模用户邮件列表上,我有一个很好的答案。之前的两个答案有效,但导致特征,类和构造函数的数量呈指数增长。但是,使用implicits和视图边界可以避免此问题。解决方案的步骤是:
1)给Normal一个表示其参数类型的类型参数。 2)定义将具有正确类型参数的Normal带到实现适当算法的那个的implicits。例如,makeImportance采用Normal [Importance]并生成NormalImportance。 3)必须给出一个类型绑定的含义。原因是没有类型绑定,如果你试图将Normal [T]传递给makeImportance,其中T是重要性的子类型,它将无法工作,因为Normal [T]不是Normal [Importance]的子类型,因为Normal是没有协变。 4)这些类型边界需要是视图边界,以允许含义链。
以下是完整的解决方案:
class Model
trait Importance extends Model {
def forward: Int
}
trait MCMC extends Model {
def propose: String
}
class Normal[T <% Model](val arg: T) extends Model
class NormalImportance(arg: Importance) extends Normal(arg) with Importance {
def forward = arg.forward + 1
}
class NormalMCMC(arg: MCMC) extends Normal(arg) with MCMC {
def propose = arg.propose + "N"
}
object Normal {
def apply[T <% Model](a: T) = new Normal[T](a)
}
object Importance {
implicit def makeImportance[T <% Importance](n: Normal[T]): Importance =
new NormalImportance(n.arg)
}
object MCMC {
implicit def makeMCMC[T <% MCMC](n: Normal[T]): MCMC = new NormalMCMC(n.arg)
}
object Uniform extends Model with Importance with MCMC {
def forward = 4
def propose = "Uniform"
}
def main(args: Array[String]) {
val n = Normal(Normal(Uniform))
println(n.forward)
println(n.propose)
}
答案 2 :(得分:1)
你的大部分问题似乎都是NormalMCMC
和NormalImportance
接受参数,但正如你所说的那样,特征不能有构造函数。
相反,您可以通过特征构造函数(如果存在这样的东西)获取您想要提供的参数,并使它们成为特征的抽象成员。
当构建特征时,成员就会意识到。
假设:
trait Foo {
val x : String //abstract
}
您可以将其用作以下任一项:
new Bar with Foo { val x = "Hello World" }
new Bar { val x = "Hello World" } with Foo
它为您提供了使用Trait构造函数的等效功能。
请注意,如果类型Bar
已经有非抽象val x : String
,那么您只需使用
new Bar with Foo
在某些情况下,它还有助于使x
延迟,如果初始化顺序成为问题,这可以为您提供更大的灵活性。