我可以有可选的特征范围吗？

Question

给定一个模拟条件概率分布的特征：

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

我想为两种结构（分别为标量和向量值分布建模）的ConditionalNormal和MultivariateConditionalNormal实施特征。

这样的实现如下所示：

struct ConditionalNormal;

impl Distribution for ConditionalNormal {
    type T = f64;

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

struct MultivariateConditionalNormal;

impl Distribution for MultivariateConditionalNormal {
    type T = f64;

    fn sample<U>(&self, x: U) -> Self::T {
        0.0 + x[0]
    }
}

（ 游乐场 ）

但是， MultivariateConditionalNormal的实现无效，因为通用x[0]不可索引。 如果我添加特征边界std::ops::Index<usize> ，则ConditionalNormal的实现无效，因为标量f64不可索引。

我听说，例如Sized特质通过?Sized接受可选的特征范围； 我可以做类似的事情吗？ 有什么办法解决这个问题？

Answer 1

您可以将特征的定义更改为

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

这使您可以在具有不同特征范围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>,
{
    // ...
}

操场

Answer 2

您可以添加一个新特征来指定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() {}