Generics 我可以有可选的特征边界吗？

给定模拟条件概率分布的特征：

trait Distribution {
    type T;
    fn sample<U>(&self, x: U) -> Self::T;
}

（）

但是，

MultivariateConditionalNormal

的实现无效，因为泛型

x[0]

不可索引。 如果我添加trait bounds

std:：ops:：Index

，

ConditionalNormal

的实现无效，因为标量

f64

是不可索引的

---

我听说，例如，

size

特征通过

？size

接受可选的特征边界；我可以做类似的事情吗？有没有办法解决这个问题？

您可以将特征的定义更改为

trait Distribution<U> {
    type T;
    fn sample(&self, x: U) -> Self::T;
}

性状分布{
T型；
fn样本（&self，x:U）->self:：T；
}

这允许您在具有不同特征边界的各种类型上实现它

impl<U> Distribution<U> for ConditionalNormal {
    // ...
}

impl<U> Distribution<U> for MultivariateConditionalNormal
where
    U: std::ops::Index<usize, Output = f64>,
{
    // ...
}

条件正态分布的impl分布{ // ... } 多变量条件正态分布的impl分布 哪里 U:std:：ops:：索引， { // ... }

---

您可以添加一个新特性来指定

U

的功能：

trait Distribution {
    type T;
    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable;
}

struct ConditionalNormal;

impl Distribution for ConditionalNormal {
    type T = f64;

    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable,
    {
        0.0.value()
    }
}

struct MultivariateConditionalNormal;

impl Distribution for MultivariateConditionalNormal {
    type T = f64;

    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable,
    {
        0.0 + x.value()
    }
}

trait Samplable {
    fn value(&self) -> f64;
}

impl Samplable for f64 {
    fn value(&self) -> f64 {
        *self
    }
}

impl Samplable for Vec<f64> {
    fn value(&self) -> f64 {
        self[0]
    }
}

fn main() {}

性状分布{
T型；
fn样本（&self，x:U）->self:：T
哪里
U：样本；
}
结构条件常态；
条件正态分布{
T型=f64；
fn样本（&self，x:U）->self:：T
哪里
U:Samplable，
{
0.0.value（）
}
}
结构多变量条件正态分布；
多变量条件正态分布的impl分布{
T型=f64；
fn样本（&self，x:U）->self:：T
哪里
U:Samplable，
{
0.0+x.值（）
}
}
特征样本{
fn值（&self）->f64；
}
f64的impl样本{
fn值（&self）->f64{
*自我
}
}
Vec的impl样本{
fn值（&self）->f64{
自我[0]
}
}
fn main（）{}

谢谢您的回答。这是我想要的。谢谢我也喜欢这个解决方案！也许将来可以试试！谢谢@TheodorJohnson你必须在泛型中加入更多的语义。当您有一个泛型类型

T

时，问自己一个问题：我将如何处理

T

？并将这些操作作为一种新特性的方法。

trait Distribution {
    type T;
    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable;
}

struct ConditionalNormal;

impl Distribution for ConditionalNormal {
    type T = f64;

    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable,
    {
        0.0.value()
    }
}

struct MultivariateConditionalNormal;

impl Distribution for MultivariateConditionalNormal {
    type T = f64;

    fn sample<U>(&self, x: U) -> Self::T
    where
        U: Samplable,
    {
        0.0 + x.value()
    }
}

trait Samplable {
    fn value(&self) -> f64;
}

impl Samplable for f64 {
    fn value(&self) -> f64 {
        *self
    }
}

impl Samplable for Vec<f64> {
    fn value(&self) -> f64 {
        self[0]
    }
}

fn main() {}