如何向solve入口函数传入alg1、alg2等不同算法并实现对应计算？

结论 #

是的，将alg1和alg2封装为函数是实现该需求最通用、易维护的方案，主流编程语言基本都支持将函数作为参数传入其他函数（即高阶函数特性），刚好匹配你的使用场景。

实现示例（以Python为例） #

1. 首先定义两个算法函数，参数和返回值格式要统一：

# alg1的具体实现，示例逻辑为两数相加
def alg1(a: int, b: int) -> int:
    return a + b

# alg2的具体实现，示例逻辑为两数相乘
def alg2(a: int, b: int) -> int:
    return a * b

2. 实现solve入口函数，接收算法函数作为参数直接调用：

def solve(a: int, b: int, alg_func) -> int:
    # 直接调用传入的算法函数，传入a、b参数即可拿到对应结果
    return alg_func(a, b)

3. 调用效果和你预期完全一致：

solve(2, 3, alg1) # 输出5，使用alg1计算
solve(2, 3, alg2) # 输出6，使用alg2计算

其他可选实现方式 #

如果你的算法需要携带状态、或者有额外的配置参数，也可以选择封装为实现了可调用方法的类实例，不需要修改solve的代码就能兼容：

# 带自定义偏移量的alg1实现
class Alg1WithBias:
    def __init__(self, bias: int = 0):
        self.bias = bias
    
    # 实现__call__方法后类实例可以像函数一样被调用
    def __call__(self, a: int, b: int) -> int:
        return a + b + self.bias

# 生成带10偏移量的算法实例
alg1_bias = Alg1WithBias(bias=10)
solve(2, 3, alg1_bias) # 输出15，按自定义配置的逻辑计算

优势说明 #

这种实现方式不需要修改solve的代码就能新增任意算法，符合开闭原则，同时代码可读性、调试成本都优于硬编码判断的方案。

内容的提问来源于stack exchange，提问作者ERIKQQY