前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >JavaScript 函数式编程解析(上)

JavaScript 函数式编程解析(上)

作者头像
用户4456933
发布于 2021-07-12 07:55:46
发布于 2021-07-12 07:55:46
57500
代码可运行
举报
运行总次数:0
代码可运行

一些必要的概念

  1. 纯函数(Pure Function)

Pure function 意指相同的输入,永远会得到相同的输出,而且没有任何显著的副作用。

纯函数就是数学里的函数,这也是函数式编程的全部。

  1. 副作用

副作用是在计算结果的过程中,系统状态的一种改变,或是外部世界可观察的交互作用

副作用可以包含,但不限于:

  • 更改文件系统
  • 在资料库写入纪录
  • 发送一个 http 请求
  • 状态变化
  • 打印到屏幕/ log
  • DOM 查询
  • 存取系统状态

概括来说,任何 function 与外部环境的交互都是副作用。

  1. 柯里化(curry)

使用更少的参数调用一个函数,返回一个接受剩余参数的函数。举例如下:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const add = x => y => x + y;

const increment = add(1);

const addTen = add(10);

increment(2); // 3

addTen(2); // 12

函数式编程的优势

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 确定性(可预测性、数据不可变),同样的输入必然得到相同的输出
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 可以使用数学定律
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 结合律(associative)

add(add(x, y), z) === add(x, add(y, z));

// 交换律(commutative)

add(x, y) === add(y, x);

// 同一律(identity)

add(x, 0) === x;

// 分配律(distributive)

multiply(x, add(y,z)) === add(multiply(x, y), multiply(x, z));

函数式编程的适用场景

  • 可变状态(mutable state)
  • 不受限的副作用(unrestricted side effects)
  • 无原则设计(unprincipled design)

函数是一等公民的意义

在 JavaScript 中,函数是一等公民,它意味着函数就跟其他任何数据类型一样,并没有什么特殊之处——可以存储在数组中,作为函数的参数传递、赋值给变量,等等。作为“一等公民”,函数的意义至少有如下几点:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 有助于减少不必要的重构
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 如果renderPost功能发生变化,必须改变包装函数

httpGet('/post/2', json => renderPost(json));

// 例如增加一个err

httpGet('/post/2', (json, err) => renderPost(json, err));


// 如果我们把它写成一个一等公民函数,那么就不需要变了

httpGet('/post/2', renderPost);
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 有助于增加通用性和可重用性
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 专门为特定的功能准备

const validArticles = articles =>

  articles.filter(article => article !== null && article !== undefined),

// 看上去有无限的通用性和可重用性

const compact = xs => xs.filter(x => x !== null && x !== undefined);
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 不需要使用 this,但是需要注意适配外部API
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const fs = require('fs');

// scary

fs.readFile('freaky_friday.txt', Db.save);

// less so

fs.readFile('freaky_friday.txt', Db.save.bind(Db));

纯函数的价值

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 可缓存
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const memoize = (f) => {

  const cache = {};

  return (...args) => {

    const argStr = JSON.stringify(args);

    cache[argStr] = cache[argStr] || f(...args);

    return cache[argStr];

  };

};


const squareNumber = memoize(x => x * x);

squareNumber(4); // 16

squareNumber(4); // 16, 返回输入4的缓存结果
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
 可移植性/自文档化(Portable / Self-documenting)
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// impure
const signUp = (attrs) => {
  const user = saveUser(attrs);
  welcomeUser(user);
};

// pure
const signUp = (Db, Email, attrs) => () => {
  const user = saveUser(Db, attrs);
  welcomeUser(Email, user);
};

纯函数把所有可能改变输出的变量DbEmail,都作为函数签名,这样我们就能知道函数是做什么的,依赖什么参数——提供了更多的信息。可移植性是 JS 的一个强大特性,函数会通过 socket 序列化并传输,意味着在 web worker 中我们可以运行所有代码。

  1. 可测试的(Testable):利用特性,只需要给出输入和断言的输出即可。
  2. 可推理的(Reasonable):同理
  3. 并行代码(Parallel Code):由于不需要共享内存,所以可以并行处理纯函数

柯里化(Currying)

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// curry :: ((a, b, ...) -> c) -> a -> b -> ... -> c
function curry(fn) {
  const arity = fn.length;
  return function $curry(...args) {
    if (args.length < arity) {
      return $curry.bind(null, ...args);
    }

    return fn.call(null, ...args);
  };
}

const match = curry((what, s) => s.match(what));
const replace = curry((what, replacement, s) => s.replace(what, replacement));
const filter = curry((f, xs) => xs.filter(f));
const map = curry((f, xs) => xs.map(f));

通过以上的柯里化函数,我们可以把函数式编程变得简洁,没有冗余。尽管有多个参数,我们仍然可以保留数学函数的定义。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
match(/r/g, 'hello world'); // [ 'r' ]

const hasLetterR = match(/r/g); // x => x.match(/r/g)
hasLetterR('hello world'); // [ 'r' ]
hasLetterR('just j and s and t etc'); // null
filter(hasLetterR, ['rock and roll', 'smooth jazz']); // ['rock and roll']

const removeStringsWithoutRs = filter(hasLetterR); // xs => xs.filter(x => x.match(/r/g))
removeStringsWithoutRs(['rock and roll', 'smooth jazz', 'drum circle']); // ['rock and roll', 'drum circle']
const noVowels = replace(/[aeiou]/ig); // (r,x) => x.replace(/[aeiou]/ig, r)
const censored = noVowels('*'); // x => x.replace(/[aeiou]/ig, '*')
censored('Chocolate Rain'); // 'Ch*c*l*t* R**n'

组合(Composing)

Composing 就是把函数像“管道”一样组合起来。下面展示最简单的组合示例。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const composes = (f, g) => x => f(g(x));
const toUpperCase = x => x.toUpperCase();
const exclaim = x => `${x}!`;
const shout = compose(exclaim, toUpperCase);

shout('send in the clowns'); // "SEND IN THE CLOWNS!"

以下是一个通用的 compose 函数:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const compose = (...fns) => (...args) => fns.reduceRight((res, fn) => [fn.call(null, ...res)], args)[0];

因为 compose 也是纯函数,同样满足分配律:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 满足分配律
compose(f, compose(g, h)) === compose(compose(f, g), h);

所以不管传参的顺序如何,它都返回相同的结果,非常强大 ?

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const arg = ['jumpkick', 'roundhouse', 'uppercut'];
const lastUpper = compose(toUpperCase, head, reverse);
const loudLastUpper = compose(exclaim, toUpperCase, head, reverse);

lastUpper(arg); // 'UPPERCUT'
loudLastUpper(arg); // 'UPPERCUT!'

Pointfree 风格

Pointfree 的意思是不使用所要操作的数据,只合成运算过程。下面是使用Ramda[1]函数库的pipe方法实现 Pointfree 的例子,选自阮一峰老师的《Pointfree 编程风格指南》[2]

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var str = 'Lorem ipsum dolor sit amet consectetur adipiscing elit';

上面字符串最长的单词有多少个字符呢?先定义一些基本运算:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 以空格分割单词
var splitBySpace = s => s.split(' ');

// 每个单词的长度
var getLength = w => w.length;

// 词的数组转换成长度的数组
var getLengthArr = arr => R.map(getLength, arr);

// 返回较大的数字
var getBiggerNumber = (a, b) => a > b ? a : b;

// 返回最大的一个数字
var findBiggestNumber = arr => R.reduce(getBiggerNumber, 0, arr);

然后把基本运算合成为一个函数:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
var getLongestWordLength = R.pipe(

  splitBySpace,

  getLengthArr,

  findBiggestNumber

);

getLongestWordLength(str) // 11

可以看到,整个运算由三个步骤构成,每个步骤都有语义化的名称,非常的清晰。这就是 Pointfree 风格的优势。Ramda 提供了很多现成的方法,可以直接使用这些方法,省得自己定义一些常用函数(查看完整代码[3])。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// 上面代码的另一种写法

var getLongestWordLength = R.pipe(

  R.split(' '),

  R.map(R.length),

  R.reduce(R.max, 0)

);

再看一个实战的例子,拷贝自 Scott Sauyet 的文章《Favoring Curry》[4]。那篇文章能帮助你深入理解柯里化,强烈推荐阅读。下面是一段服务器返回的 JSON 数据。

现在要求是,找到用户 Scott 的所有未完成任务,并按到期日期升序排列。

过程式编程的代码如下(查看完整代码[5])。

上面代码不易读,出错的可能性很大。现在使用 Pointfree 风格改写(查看完整代码[6])。

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
const getIncompleteTaskSummaries = (name) => {

  return fetchData()

          .then(R.prop('tasks'))

          .then(R.filter(R.propEq('username', name)))

          .then(R.reject(R.propEq('complete', true)))

          .then(R.map(R.pick(['id', 'dueDate', 'title', 'priority'])))

          .then(R.sortBy(R.prop('dueDate')))

}

上面代码就变得清晰很多了。

常用 Pointfree 纯函数的实现

下面的实现仅仅为了基本演示,如果考虑实际开发,请参考ramda[7],lodash[8], 或folktale[9]

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
// curry :: ((a, b, ...) -> c) -> a -> b -> ... -> c

function curry(fn) {

  const arity = fn.length;

  return function $curry(...args) {
    if (args.length < arity) {
      return $curry.bind(null, ...args);
    }

    return fn.call(null, ...args);

  };

}


// compose :: ((y -> z), (x -> y),  ..., (a -> b)) -> a -> z
const compose = (...fns) => (...args) => fns.reduceRight((res, fn) => [fn.call(null, ...res)], args)[0];

// forEach :: (a -> ()) -> [a] -> ()
const forEach = curry((fn, xs) => xs.forEach(fn));

// map :: Functor f => (a -> b) -> f a -> f b

const map = curry((fn, f) => f.map(fn));

// reduce :: (b -> a -> b) -> b -> [a] -> b

const reduce = curry((fn, zero, xs) => xs.reduce(fn, zero));

// replace :: RegExp -> String -> String -> String

const replace = curry((re, rpl, str) => str.replace(re, rpl));

// sortBy :: Ord b => (a -> b) -> [a] -> [a]

const sortBy = curry((fn, xs) => xs.sort((a, b) => {

  if (fn(a) === fn(b)) {

    return 0;

  }

  return fn(a) > fn(b) ? 1 : -1;

}));


// prop :: String -> Object -> a

const prop = curry((p, obj) => obj[p]);

关于更多 Pointfree 纯函数的实现可以参考Pointfree Utilities[10]

参考

  • 《Professor Frisby’s Mostly Adequate Guide to Functional Programming》[11],翻译版本为《JS 函数式编程指南中文版》[12]
  • Pointfree Javascript[13]
  • Favoring Curry[14]

参考资料

[1]

Ramda: http://www.ruanyifeng.com/blog/2017/03/ramda.html

[2]

《Pointfree 编程风格指南》: http://www.ruanyifeng.com/blog/2017/03/pointfree.html

[3]

完整代码: http://jsbin.com/vutoxis/edit?js,console

[4]

《Favoring Curry》: http://fr.umio.us/favoring-curry/

[5]

完整代码: http://jsbin.com/kiqequ/edit?js,console

[6]

完整代码: https://jsbin.com/dokajarilo/1/edit?js,console

[7]

ramda: https://ramdajs.com/

[8]

lodash: https://lodash.com/

[9]

folktale: http://folktale.origamitower.com/

[10]

Pointfree Utilities: https://mostly-adequate.gitbook.io/mostly-adequate-guide/appendix_c

[11]

《Professor Frisby’s Mostly Adequate Guide to Functional Programming》: https://github.com/MostlyAdequate/mostly-adequate-guide

[12]

《JS 函数式编程指南中文版》: https://jigsawye.gitbooks.io/mostly-adequate-guide/content/SUMMARY.md

[13]

Pointfree Javascript: http://lucasmreis.github.io/blog/pointfree-javascript/

[14]

Favoring Curry: http://fr.umio.us/favoring-curry/


本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-07-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 大海我来了 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
整数规划精确算法/近似算法/(元)启发算法/神经网络反向传播等算法的区别与关联
作者:作者:@留德华叫兽 美国克莱姆森大学数学硕士(运筹学方向)、Ph.D. Candidate,欧盟玛丽居里学者,德国海德堡大学数学博士(离散优化、图像处理方向),期间前往意大利博洛尼亚大学、IBM实习半年,巴黎综合理工访问一季。现任德国某汽车集团无人驾驶部门计算机视觉研发工程师。
Piper蛋窝
2020/12/14
2K0
整数规划精确算法/近似算法/(元)启发算法/神经网络反向传播等算法的区别与关联
一文读懂量子机器学习:量子算法基石已经奠定
【新智元导读】在计算能力增加和算法进步的推动下,机器学习技术已成为从数据中寻找模式的强大工具。量子系统能生产出一些非典型(atypical)模式,而一般认为经典系统无法高效地生产出这些模式。所以,有理由假定,量子计算机在某些机器学习任务上将优于经典计算机。量子机器学习这一研究领域探索如何设计和实现量子软件,如何使量子机器学习速度比经典计算机更快。该领域最近的工作已经建造出了可以担当机器学习程序基石的量子算法,但在硬件和软件方面仍面临巨大挑战。 在人类拥有计算机之前,人类就从数据中寻找模式。托勒密将对星系运动
新智元
2018/03/22
1.3K0
一文读懂量子机器学习:量子算法基石已经奠定
经典算法学习之-----希尔排序
本专栏为《手撕算法》栏目的子专栏:《经典算法》,会讲述一些经典算法,并进行分析。在此之前我们要先了解什么是算法,能够解决什么样的问题。
默 语
2024/11/20
860
经典算法学习之-----希尔排序
18岁华裔少年颠覆量子加速优势,推动量子算法经典化
国内量子计算专家也对此事发表了不同观点。如百度量子实验室负责人段润尧在朋友圈评论说,「这是有关经典推荐算法的非常有意思的进展。原先 Kerenidis 和 Prakash 证明了量子计算机能够比任何已知算法以指数级的速度解决推荐问题,但他们并没有证明快速的经典算法不存在。而 18 岁的 Ewin 则给出了一个快速的经典推荐算法,从而说明 KP 量子算法其实相对于经典算法并无实际优势。这是典型的因量子算法思想激发经典快速算法发现的例子,相信这样的例子还会有一些,所谓『量子快速算法的经典化』。」
机器之心
2018/08/07
3420
18岁华裔少年颠覆量子加速优势,推动量子算法经典化
前沿 | UC Berkeley提出特征选择新方法:条件协方差最小化
选自BAIR Blog 作者:Jianbo Chen、Mitchell Stern 机器之心编译 参与:Nurhachu Null、路雪 UC Berkeley 近日提出了一种新型特征选择方法 CCM,该方法基于最小化条件协方差算子的迹来进行特征选择。研究者的实验证明该方法在多个合成和现实数据集上达到了不输当前先进方法的性能。相关论文《Kernel Feature Selection via Conditional Covariance Minimization》被 NIPS 2017 接收。 论文链接:h
机器之心
2018/05/10
1.2K0
Nature Computational Science | 量子计算生物学的实际应用
生物学的许多领域,都涉及到解决复杂的计算问题,如模拟化学反应、基因组组装、药物发现、蛋白质折叠等。尽管计算生物学领域取得了巨大的进步,但许多现实生活中的问题,仍然具有挑战性,因为它们需要大量的计算资源,超出了现有设备的能力。然而,这为开发一个基于完全不同的原理,即量子物理定律的计算设备,提供了机会。例如,在量子物理学中,一个物体可能同时处于多种状态,这种现象被称为量子叠加。在计算的语言中,量子叠加意味着比特(在这种情况下,称为量子比特或量子位)可以同时是0和1,这种“并行”的计算过程。描述N个量子位元的量子状态,通常需要大量的信息,按指数尺度按2N扩展。在如此大的计算空间中操纵概率振幅的艺术是开发量子算法的核心,人们希望量子算法在解决许多不同的任务时提供显著优势。
DrugScience
2021/03/22
1.7K0
Nature Computational Science | 量子计算生物学的实际应用
AAAI 2020 | 南京大学提出高效演化算法 EAMC:可更好解决子集选择问题
近日,机器之心邀请了南京大学人工智能学院研究助理卞超通过线上分享的方式介绍他们入选 AAAI 2020 的研究论文《An Efficient Evolutionary Algorithm for Subset Selection with General Cost Constraints》。这篇论文提出了一个高效的演化算法 EAMC,来解决一般约束下的子集选择问题。本文将对这项研究成果进行介绍。
机器之心
2020/02/23
1.2K0
AAAI 2020 | 南京大学提出高效演化算法 EAMC:可更好解决子集选择问题
Qutrunk与Paddle结合实践--VQA算法示例
QuTrunk 是启科量子开发和已经开源的一款量子编程框架软件产品,它使用 Python 作为宿主语言,利用Python 的语法特性实现针对量子程序的 DSL(领域专用语言),所有支持 Python 编程的 IDE 均可安装使用 QuTrunk。QuTrunk 基于量子逻辑门、量子线路等概念提供量子编程所需的各类API。这些 API 分别由相应的模块实现,比如 QCircuit 实现量子线路功能,Qubit 实现量子比特,Qureg 实现量子寄存器,Command 对应每个量子门操作的指令, Backend 代表运行量子线路的后端模块,gate 模块实现了各类基础量子门操作。同时 QuTrunk 还可以作为其他上层量子计算应用的基础,比如:量子算法、量子可视化编程、量子机器学习等。
量子发烧友
2023/02/24
4730
Qutrunk与Paddle结合实践--VQA算法示例
量子线性系统算法及实践——以Cirq为例
求解线性方程组是科学计算中的一个基础问题,也可利用线性方程组构造复杂的算法,如数值计算中的插值与拟合、大数据中的线性回归、主成分分析等。而正是由于线性求解问题在学科中的基础性作用,其在科学、工程、金融、经济应用、计算机科学等领域也应用广泛,如常见的天气预报,需要通过建立并求解包含百万变量的线性方程组实现对大气中类似温度、气压、湿度等的模拟和预测;如销量预测,需要采用线性回归方式的时序预测方法进行预测。
量子发烧友
2023/03/08
1K0
量子线性系统算法及实践——以Cirq为例
程序员必须要掌握的十大经典算法
快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下,排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见。事实上,快速排序通常明显比其他Ο(n log n) 算法更快,因为它的内部循环(inner loop)可以在大部分的架构上很有效率地被实现出来。
程序员互动联盟
2018/03/15
6.6K0
程序员必须要掌握的十大经典算法
Google在Nature上发表的关于量子计算的最新进展的论文(Quantum supremacy using a programmable superconducting processor 译)—
Google 的研究人员于2019年10月23号发表在Nature(《自然》《科学》及《细胞》杂志都是国际顶级期刊,貌似在上面发文3篇左右,就可以评院士了)上,关于量子计算方面(基于 Sycamore芯片)的具有里程碑式进展的论文,受到国内外同行及媒体的广泛关注,包括中科大量子科学家 — 潘建伟及其团队。特朗普的女儿Ivanka Trump(左一)也发twitter表示祝贺,如下图:
NaughtyCat
2020/10/09
1.6K0
Google在Nature上发表的关于量子计算的最新进展的论文(Quantum supremacy using a programmable superconducting processor 译)—
统计学学术速递[8.31]
【1】 Dependent Bayesian nonparametric modeling of compositional data using random Bernstein polynomials 标题:基于随机Bernstein多项式的成分数据依赖贝叶斯非参数建模 链接:https://arxiv.org/abs/2108.13403
公众号-arXiv每日学术速递
2021/09/16
1K0
统计学学术速递[8.20]
【1】 Transfer learning in genome-wide association studies with knockoffs 标题:全基因组与假冒相关研究中的迁移学习 链接:https://arxiv.org/abs/2108.08813
公众号-arXiv每日学术速递
2021/08/24
5730
机器学习学术速递[7.26]
【1】 Structack: Structure-based Adversarial Attacks on Graph Neural Networks 标题:Structack:基于结构的图神经网络敌意攻击
公众号-arXiv每日学术速递
2021/07/27
1.6K0
【算法与数据结构】--算法和数据结构的进阶主题--算法的优化和性能调优
算法的关键性和优化算法的必要性是计算机科学和软件开发领域的核心概念。 算法的关键性:
喵叔
2023/11/08
3510
混合量子-经典体系对量子数据的分类问题
经典计算机中可以利用比特位和逻辑门进行二进制运算,在物理硬件方面,二进制运算主要通过半导体的特殊电性质实现。在量子计算机中,主要利用量子的纠缠和叠加特性通过量子比特位和量子逻辑门来实现运算。量子计算对算力的加速优势也在量子计算机不断发展中得到证实。但关于量子计算机与经典计算机的存在性问题,并非取而代之这么简单。目前,在物理硬件设备基础和量子技术的发展方面,依然无法制造出可以超越经典计算的通用量子计算机。
量子发烧友
2023/03/08
4320
混合量子-经典体系对量子数据的分类问题
子模最大化的FAST算法
作者:Adam Breuer,Eric Balkanski,Yaron Singer
罗大琦
2019/07/18
1.1K0
逻辑回归原理,最大化似然函数和最小化损失函数
经过一系列数学推导和证明,可知在逻辑回归模型中,最大化似然函数和最小化损失函数实际上是等价的,经典的数值优化算法,例如梯度下降和牛顿法,都可以求得其最优解。
zhangjiqun
2024/12/14
1840
逻辑回归原理,最大化似然函数和最小化损失函数
下(应用篇)| 推荐几款较流行的量子算法
量子算法是量子计算机的必要软件支撑,同时量子算法的研究也是推动量子计算发展的强大动力。以下将对各个发展阶段的典型量子算法进行比较分析。
量子发烧友
2023/02/24
2.1K0
下(应用篇)| 推荐几款较流行的量子算法
(上)基于算力加速的量子模拟问题
导读 在处理某些规模庞大和复杂的数据与计算时,量子计算独有的叠加和纠缠特性在算力方面相比于经典计算表现出强大优势。现阶段,由于量子计算机的研发受限于有效的量子比特数、相干时间长度、量子门操作精度等,对量子计算机的研究焦点进而转向量子模拟器,量子模拟器也因此成为发挥量子优越性和研究量子算法的有效途径。
量子发烧友
2023/02/24
6370
(上)基于算力加速的量子模拟问题
推荐阅读
相关推荐
整数规划精确算法/近似算法/(元)启发算法/神经网络反向传播等算法的区别与关联
更多 >
LV.1
野生数据科学家
目录
  • 一些必要的概念
  • 函数式编程的优势
  • 函数式编程的适用场景
  • 函数是一等公民的意义
    • 纯函数的价值
  • 柯里化(Currying)
  • 组合(Composing)
  • Pointfree 风格
  • 常用 Pointfree 纯函数的实现
  • 参考
    • 参考资料
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文