- 蚁群算法及蚂蚁系统的原理(js实现版)
de_fault_
js算法算法javascript图论启发式算法
蚁群算法及蚂蚁系统的原理(js实现版)蚁群算法旅行商问题蚁群系统代码实现蚁群算法蚁群算法是著名的启发式算法,常用于解决最短路径问题蚁群算法的来源蚁群算法来源于对蚂蚁寻找食物行为的观察,蚂蚁个体并不存在太高的智慧,但蚁群整体却可以通过信息素来找到通往食物的最短路径蚁群算法的原理假设从a点到b点存在2条路径,而第一条路径l短,第二条路径m长。刚开始时走l和m是随机的,但是由于l更短,所以重复频率也就更
- [读论文] Towards Machine Learning for Placement and Routing in Chip Design: a Methodological Overview
SP FA
#EDA+AI机器学习人工智能
Abstract在现代芯片设计流程中,放置和布线是两个不可或缺且具有挑战性的NP-hard问题。与使用启发式算法或专家精心设计的算法的传统求解器相比,机器学习凭借其数据驱动的性质显示出了广阔的前景,它可以减少对知识和先验的依赖,并且通过其先进的计算范式具有更大的可扩展性(例如GPU加速的深度网络)。本调查首先介绍了基本的布局(Placement)和布线(Routing),并简要介绍了经典的无学习解
- 基于CTDE MAPPO的无线通信资源分配强化学习实现
pk_xz123456
仿真模型深度学习算法lstm人工智能rnn深度学习开发语言
基于CTDEMAPPO的无线通信资源分配强化学习实现摘要本文提出了一种基于集中训练分散执行(CTDE)框架的多智能体近端策略优化(MAPPO)方法,用于解决无线通信网络中的资源分配问题。我们设计了一个多基站协作环境,其中每个基站作为独立智能体,通过分布式决策实现网络吞吐量最大化。实验结果表明,MAPPO算法在频谱效率和用户公平性方面显著优于传统启发式算法。1.引言1.1研究背景随着5G/6G通信技
- 【Python打卡Day12】启发式算法 @浙大疏锦行
可能是猫猫人
Python打卡训练营内容启发式算法算法
今天学习遗传算法,在以后的论文写作中可以水一节,胆子大的人才可以水一章这些算法仅作为你的了解,不需要开始学习,如果以后需要在论文中用到,在针对性的了解下处理逻辑。下面介绍这几种常见的优化算法遗传算法粒子群优化模拟退火##1.数据处理+划分训练和测试importpandasaspdimportpandasaspd#用于数据处理和分析,可处理表格数据。importnumpyasnp#用于数值计算,提供
- 海马优化算法优化支持向量回归(SVR)模型项目
神经网络15044
仿真模型python算法算法回归数据挖掘
海马优化算法优化支持向量回归(SVR)模型项目一、项目概述本项目将实现海马优化算法(SeahorseOptimizationAlgorithm,SOA)优化支持向量回归(SVR)模型的全过程。海马优化算法是一种新型元启发式算法,模拟海马的智能行为(包括移动、捕食和繁殖),能有效解决复杂优化问题。SVR作为强大的回归模型,其性能高度依赖参数选择(C、ε、γ)。本项目将结合SOA和SVR,在Pytho
- 打卡第十二天
wswlqsss
机器学习
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。ps:我之前写论文也用过这几种算法,也是纯借鉴对于实际实现逻辑没有了解过。遗传算法基于自然选择和遗传机制的优化算法,孟德尔随机化,模仿生物进化过
- python实现将野燕麦优化算法与OpenCV结合
babyai997
python算法opencv
野燕麦优化算法:一种基于自然启发的元启发式优化方法引言野燕麦优化算法(WildOatOptimization,WOO)是一种新兴的元启发式优化算法,灵感来源于野燕麦种子在自然环境中的传播机制。近年来,随着优化算法在计算机视觉、机器学习等领域的广泛应用,基于自然现象的元启发式算法受到越来越多研究者的关注。本文将详细介绍野燕麦优化算法的基本原理、实现方法,并探讨如何将其与OpenCV在Python环境
- 基于启发式算法的化工稳态流程模拟参数优化(hysys-python)
算法小菜鸟成长心得
启发式算法算法化工模拟Aspen
1.背景和意义hsysys是一款在化工领域,能进行稳、动态的流程模拟软件,实现设计、运行的优化。之前的研究,都是手动使用hysys,利用灵敏度进行工艺优化分析,后来,接触到RTO实时优化(仿真模型在线化,实现不同工艺条件下的最佳调控变量),因此,如果变量过多,通过手动改变工艺参数,肯定就不现实了。假设我们基于工厂工艺开发了一套仿真模型,将仿真模型部署到服务器上,该如何实现工艺寻优呢?传统的RTO实
- DAY 12 启发式算法
HINOTOR_
Python训练营python开发语言
目录DAY12启发式算法1.三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法遗传算法粒子群算法退火算法2.学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。DAY12启发式算法超参数调整专题2#预处理importpandasaspdimportnumpyas
- python学习day12
一叶知秋秋
python学习笔记学习
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)三种算法都是优化器,用来求最佳参数的组合,使得指标达到最优,区别在于每一个算法的策略有所区别。下表是总体介绍。遗传算法策略是以适应度为评价指标(可以是一些结果方面的指标),通过选择,交叉和变异三种操作,生成子代,作为新的种群去替换旧的种群(保留适应度高的个体),循环往复,知到适应度收敛或者
- Python5.2打卡(day12)
朝朝辞暮i
python训练营打卡python
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。以下是对三种启发式算法的核心逻辑解析及代码示例,以“寻找函数最小值”为统一场景(目标函数f(x)=x²),帮助快速理解其差异。一、算法核心逻辑对
- MATLAB算法实战应用案例精讲-【元启发式算法】随机蛙跳跃算法(SFLA)(附matlab代码实现)
林聪木
启发式算法算法
目录前言知识储备多目标优化问题多目标元启发式优化方法算法原理数学模型算法参数更新策略算法思想算法步骤全局搜索过程局部搜索过程算法停止条件算法流程图伪代码优缺点算法拓展一种用于多目标组合优化的三阶段混合蛙跳框架多目标背包问题三阶段多目标混合蛙跳框架基于多目标背包问题的改进策略实验结果与分析基于三阶段多目标混合蛙跳算法的移动群智感知变速多任务调度移动群智感知的变速多任务调度模型求解移动群智感知变速多任
- day12python打卡
qq_58459892
py打开学习python
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。1.遗传算法(GeneticAlgorithm,GA)核心思想:模拟生物进化中的“自然选择,适者生存”机制,通过迭代优化种群中的个体。关键步骤:
- Day 12 训练
Nina_717
python打卡训练营python
Day12训练1.遗传算法2.粒子群优化(ParticleSwarmOptimization,PSO)3.模拟退火(SimulatedAnnealing,SA)超参数调整专题21.三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法2.学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现
- 60天Python训练 day12
only_only_you
python开发语言
常见的几种优化算法:遗传算法粒子群优化模拟退火核心思想:这些启发式算法都是优化器。你的目标是找到一组超参数,让你的机器学习模型在某个指标(比如验证集准确率)上表现最好。这个过程就像在一个复杂的地形(参数空间)上寻找最高峰(最佳性能)。启发式算法就是一群聪明的“探险家”,它们用不同的策略(模仿自然、物理现象等)来寻找这个最高峰,而不需要知道地形每一处的精确梯度(导数)。遗传算法灵感来源:生物进化,达
- Python训练营打卡DAY12
我想睡觉261
python开发语言
DAY12未来几天都是五一假期,适当降低内容难度和工作量,祝大家节日快乐!超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。个人理解:这些算法都是网格搜索的优化版本。从最初的遍历硬拆解最优超参数
- 0-学习协同策略解决NP难路由问题(NeurlPS2021)(code)(完)
太极生两鱼
文献阅读学习机器学习人工智能
code:https://github.com/alstn12088/LCP文章目录Abstract1Introduction2RelatedWorks2.1基于DRL的构造性启发式算法2.2基于DRL的改进启发式算法2.3与传统求解器结合的混合方法3FormulationofRoutingProblems4LearningCollaborativePolicies4.1播种过程4.2修正过程5E
- DAY12 超参数调整专题2
m0_57278362
python学习python
三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法模拟退火算法(SimulatedAnnealing)是一种受金属退火过程启发的全局优化算法,通过模拟降温过程中的热力学平衡来避免陷入局部最优。以下是其核心实现逻辑:1.算法核心思想允许以一定概率接受比当前解更差的解,随着温度降低逐渐减少这种概率,从而平衡全局探索(高温阶段)和局部收敛(低温阶段)。2.实现步骤(1)初始化参数初始温度(T):较
- python打卡day12
(・Д・)ノ
Python打卡训练python开发语言
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。今天介绍下遗传算法,在你以后的论文写作中可以水一节,胆子大的人可以水一章。这些算法仅作为了解,不需要开始学习,如果以后需要在论文中用到,再针对性
- Python训练营打卡Day12
宸汐Fish_Heart
Python打卡训练python开发语言机器学习
超参数调整专题2三种启发式算法的示例代码:遗传算法、粒子群算法、退火算法学习优化算法的思路(避免浪费无效时间)作业:今天以自由探索的思路为主,尝试检索资料、视频、文档,用尽可能简短但是清晰的语言看是否能说清楚这三种算法每种算法的实现逻辑,帮助更深入的理解。一、遗传算法(GeneticAlgorithm,GA)核心逻辑:模仿生物进化中的"优胜劣汰"机制,通过种群迭代进化寻找最优解。类比:假设你有一群
- DRABP_NSGA2最新算法神圣宗教算法优化BP做代理模型,NSGA2反求最优因变量和对应的最佳自变量组合,Matlab代码
Matlab建模攻城师
多目标优化机器学习算法人工智能
一、神圣宗教算法(DRA)优化BP代理模型1.DRA的核心原理DRA是一种模拟宗教社会层级互动的元启发式算法,通过“追随者学习”、“传教士传播”和“领导者引导”三种行为模式优化搜索过程。在BP神经网络优化中,DRA通过以下步骤调整网络权值和阈值:追随者学习:随机选择种群中的个体(BP参数组合)进行局部探索。传教士传播:将优秀个体的参数(高精度模型)扩散至其他个体。领导者引导:保留全局最优解(当前最
- (4-5) 轨迹规划算法和优化:使用粒子群优化(PSO)对无人机路径进行规划和优化
码农三叔
算法人工智能机器学习无人机机路规划运动控制
粒子群优化(ParticleSwarmOptimization,PSO)是一种启发式算法,灵感来源于鸟群或鱼群中个体协同行为。PSO通过模拟群体中个体间的合作与信息共享来搜索问题的解空间,尤其适用于全局优化问题。实现PSO算法的基本步骤如下所示。(1)初始化粒子群:在解空间中随机生成一定数量的粒子,每个粒子表示一个可能的解,具有位置和速度。这些粒子的初始化可以是随机的或基于先验知识的。(2)定义适
- 算法 | 灰狼优化算法原理,公式,应用,算法改进研究综述,matlab完整代码
单北斗SLAMer
智能优化算法算法优化算法matlab
灰狼优化算法(GWO)综述:原理、应用与改进研究摘要灰狼优化算法(GreyWolfOptimizer,GWO)是一种基于灰狼群体捕食行为的元启发式算法,自2014年提出以来,因其结构简单、参数少且收敛性能优异,被广泛应用于工程优化、人工智能和工业控制等领域。本文系统阐述了GWO的生物学原理、数学模型及核心公式,总结了算法在参数自适应、混合策略、混沌初始化等方面的改进研究,并提供了完整的MATLAB
- 量子边缘计算:当Wasm遇见量子退火机——解锁组合优化问题的终极加速方案
Eqwaak00
分布式系统设计实战量子计算python大数据自动化
一、引言:组合优化问题的挑战与机遇在物流调度、金融投资、芯片设计等领域,组合优化问题(CombinatorialOptimization)因其高复杂度和NP-Hard特性,一直是学术界和工业界的核心挑战。例如,一个包含100个城市的旅行商问题(TSP),其可能的路径组合高达1015510155种,即使用超级计算机也需要数年才能穷举所有解。传统启发式算法(如遗传算法、模拟退火)虽能提供近似解,但面对
- 如何将启发式方法作为混合整数规划模型的热启动——以流水车间调度问题为例
Lins号丹
生产调度优化(运筹专项)运筹优化求解器车间调度启发式算法MIP热启动
文章目录1.引言2.流水车间调度问题案例3.基于NEH启发式算法获取可行解4.将启发式可行解转化为变量值进行热启动1.引言在计算科学当中,启发式方法是一种用于找到给定问题可行方案的技术,这类方法的特点是通用性强,且找可行方案的速度快,但是启发式方法不能保证获得最优解。另一类的精确方法,则能在求解时间充裕前提下保证最优解,但是计算成本可能极高。两类方法各有优势,在实际应用当中,需要根据具体的应用场景
- 最新智能优化算法: 贪婪个体优化算法(Greedy Man Optimization Algorithm,GMOA)求解23个经典函数测试集,MATLAB代码
IT猿手
MATLAB智能优化算法算法matlab开发语言人工智能智能优化算法
一、贪婪个体优化算法贪婪个体优化算法(GreedyManOptimizationAlgorithm,GMOA)是HamedNozari与HosseinAbdi于2024年提出的一种新型受生物启发的元启发式算法,它模拟了抵抗变化的竞争个体的行为。GMOA引入了两个独特的机制:MMO抵抗机制,防止过早替换解;周期性寄生虫清除机制,促进多样性并避免停滞。该算法旨在解决传统优化算法中的过早收敛和缺乏多样性
- 群体智能优化算法-爱情进化算法 (Love Evolution Algorithm, LEA,含Matlab源代码)
HR Zhou
算法matlab开发语言群体智能优化优化
摘要爱情进化算法(LEA)是一种基于心理学刺激-价值-角色理论(Stimulus-Value-RoleTheory)所提出的新型元启发式算法。该算法将“恋爱中的人”抽象为种群个体,通过对个体“幸福度(Happiness)”的定义和动态更新,模拟了从“相遇->价值交流->角色平衡”三个阶段不断逼近全局最优解的过程。LEA在高维连续优化与工程应用等场景下可实现对搜索空间的充分探索与精细开发。本文结合算
- ALO蚁狮优化算法:从背景到实战的全面解析
der丸子吱吱吱
智能优化算法ALO算法
目录引言背景2.1蚁狮优化算法的起源2.2自然启发式算法的背景2.3ALO的发展与应用原理3.1蚁狮的生物行为3.2ALO的数学建模3.3算法流程与关键步骤实战应用4.1函数优化问题4.2工程优化案例4.3组合优化与约束优化代码实现与结果分析5.1Python代码实现5.2实验设计与结果分析5.3性能评估与优化建议学习资源6.1工具推荐6.2网站与文献资源6.3ALO与AI结合的方法结论1.引言在
- Marker可以快速且准确地将PDF转换为markdown格式。
星霜笔记
开源关注简介免费源码pdf
MarkerMarker可以快速且准确地将PDF转换为markdown格式。支持多种文档类型(针对书籍和科学论文进行了优化)支持所有语言移除页眉/页脚/其他杂质格式化表格和代码块提取并保存图像以及markdown将大多数方程转换为latex支持在GPU、CPU或MPS上运行工作原理Marker是一个由深度学习模型组成的管道:提取文本,必要时进行OCR处理(启发式算法,surya,tesseract
- 群体智能优化算法-GOOSE优化算法(含Matlab源代码)
HR Zhou
算法matlab开发语言群体智能优化优化
摘要GOOSE(GooseOptimizationAlgorithm)是一种基于大雁(Goose)在自然界中觅食与捕猎行为所启发的元启发式算法。它借助大雁的飞行速度、加速度、随机跳跃等策略,以实现对搜索空间进行全局探索和局部开发。通过设置自由落体速度(FreeFallSpeed)、声音传播距离(SoundDistance)与时间平均(TimeAverage)等多种机制,GOOSE在处理复杂的高维非
- 统一思想认识
永夜-极光
思想
1.统一思想认识的基础,才能有的放矢
原因:
总有一种描述事物的方式最贴近本质,最容易让人理解.
如何让教育更轻松,在于找到最适合学生的方式.
难点在于,如何模拟对方的思维基础选择合适的方式. &
- Joda Time使用笔记
bylijinnan
javajoda time
Joda Time的介绍可以参考这篇文章:
http://www.ibm.com/developerworks/cn/java/j-jodatime.html
工作中也常常用到Joda Time,为了避免每次使用都查API,记录一下常用的用法:
/**
* DateTime变化(增减)
*/
@Tes
- FileUtils API
eksliang
FileUtilsFileUtils API
转载请出自出处:http://eksliang.iteye.com/blog/2217374 一、概述
这是一个Java操作文件的常用库,是Apache对java的IO包的封装,这里面有两个非常核心的类FilenameUtils跟FileUtils,其中FilenameUtils是对文件名操作的封装;FileUtils是文件封装,开发中对文件的操作,几乎都可以在这个框架里面找到。 非常的好用。
- 各种新兴技术
不懂事的小屁孩
技术
1:gradle Gradle 是以 Groovy 语言为基础,面向Java应用为主。基于DSL(领域特定语言)语法的自动化构建工具。
现在构建系统常用到maven工具,现在有更容易上手的gradle,
搭建java环境:
http://www.ibm.com/developerworks/cn/opensource/os-cn-gradle/
搭建android环境:
http://m
- tomcat6的https双向认证
酷的飞上天空
tomcat6
1.生成服务器端证书
keytool -genkey -keyalg RSA -dname "cn=localhost,ou=sango,o=none,l=china,st=beijing,c=cn" -alias server -keypass password -keystore server.jks -storepass password -validity 36
- 托管虚拟桌面市场势不可挡
蓝儿唯美
用户还需要冗余的数据中心,dinCloud的高级副总裁兼首席营销官Ali Din指出。该公司转售一个MSP可以让用户登录并管理和提供服务的用于DaaS的云自动化控制台,提供服务或者MSP也可以自己来控制。
在某些情况下,MSP会在dinCloud的云服务上进行服务分层,如监控和补丁管理。
MSP的利润空间将根据其参与的程度而有所不同,Din说。
“我们有一些合作伙伴负责将我们推荐给客户作为个
- spring学习——xml文件的配置
a-john
spring
在Spring的学习中,对于其xml文件的配置是必不可少的。在Spring的多种装配Bean的方式中,采用XML配置也是最常见的。以下是一个简单的XML配置文件:
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.or
- HDU 4342 History repeat itself 模拟
aijuans
模拟
来源:http://acm.hdu.edu.cn/showproblem.php?pid=4342
题意:首先让求第几个非平方数,然后求从1到该数之间的每个sqrt(i)的下取整的和。
思路:一个简单的模拟题目,但是由于数据范围大,需要用__int64。我们可以首先把平方数筛选出来,假如让求第n个非平方数的话,看n前面有多少个平方数,假设有x个,则第n个非平方数就是n+x。注意两种特殊情况,即
- java中最常用jar包的用途
asia007
java
java中最常用jar包的用途
jar包用途axis.jarSOAP引擎包commons-discovery-0.2.jar用来发现、查找和实现可插入式接口,提供一些一般类实例化、单件的生命周期管理的常用方法.jaxrpc.jarAxis运行所需要的组件包saaj.jar创建到端点的点到点连接的方法、创建并处理SOAP消息和附件的方法,以及接收和处理SOAP错误的方法. w
- ajax获取Struts框架中的json编码异常和Struts中的主控制器异常的解决办法
百合不是茶
jsjson编码返回异常
一:ajax获取自定义Struts框架中的json编码 出现以下 问题:
1,强制flush输出 json编码打印在首页
2, 不强制flush js会解析json 打印出来的是错误的jsp页面 却没有跳转到错误页面
3, ajax中的dataType的json 改为text 会
- JUnit使用的设计模式
bijian1013
java设计模式JUnit
JUnit源代码涉及使用了大量设计模式
1、模板方法模式(Template Method)
定义一个操作中的算法骨架,而将一些步骤延伸到子类中去,使得子类可以不改变一个算法的结构,即可重新定义该算法的某些特定步骤。这里需要复用的是算法的结构,也就是步骤,而步骤的实现可以在子类中完成。
 
- Linux常用命令(摘录)
sunjing
crondchkconfig
chkconfig --list 查看linux所有服务
chkconfig --add servicename 添加linux服务
netstat -apn | grep 8080 查看端口占用
env 查看所有环境变量
echo $JAVA_HOME 查看JAVA_HOME环境变量
安装编译器
yum install -y gcc
- 【Hadoop一】Hadoop伪集群环境搭建
bit1129
hadoop
结合网上多份文档,不断反复的修正hadoop启动和运行过程中出现的问题,终于把Hadoop2.5.2伪分布式安装起来,跑通了wordcount例子。Hadoop的安装复杂性的体现之一是,Hadoop的安装文档非常多,但是能一个文档走下来的少之又少,尤其是Hadoop不同版本的配置差异非常的大。Hadoop2.5.2于前两天发布,但是它的配置跟2.5.0,2.5.1没有分别。 &nb
- Anychart图表系列五之事件监听
白糖_
chart
创建图表事件监听非常简单:首先是通过addEventListener('监听类型',js监听方法)添加事件监听,然后在js监听方法中定义具体监听逻辑。
以钻取操作为例,当用户点击图表某一个point的时候弹出point的name和value,代码如下:
<script>
//创建AnyChart
var chart = new AnyChart();
//添加钻取操作&quo
- Web前端相关段子
braveCS
web前端
Web标准:结构、样式和行为分离
使用语义化标签
0)标签的语义:使用有良好语义的标签,能够很好地实现自我解释,方便搜索引擎理解网页结构,抓取重要内容。去样式后也会根据浏览器的默认样式很好的组织网页内容,具有很好的可读性,从而实现对特殊终端的兼容。
1)div和span是没有语义的:只是分别用作块级元素和行内元素的区域分隔符。当页面内标签无法满足设计需求时,才会适当添加div
- 编程之美-24点游戏
bylijinnan
编程之美
import java.util.ArrayList;
import java.util.Arrays;
import java.util.HashSet;
import java.util.List;
import java.util.Random;
import java.util.Set;
public class PointGame {
/**编程之美
- 主页面子页面传值总结
chengxuyuancsdn
总结
1、showModalDialog
returnValue是javascript中html的window对象的属性,目的是返回窗口值,当用window.showModalDialog函数打开一个IE的模式窗口时,用于返回窗口的值
主界面
var sonValue=window.showModalDialog("son.jsp");
子界面
window.retu
- [网络与经济]互联网+的含义
comsci
互联网+
互联网+后面是一个人的名字 = 网络控制系统
互联网+你的名字 = 网络个人数据库
每日提示:如果人觉得不舒服,千万不要外出到处走动,就呆在床上,玩玩手游,更不能够去开车,现在交通状况不
- oracle 创建视图 with check option
daizj
视图vieworalce
我们来看下面的例子:
create or replace view testview
as
select empno,ename from emp where ename like ‘M%’
with check option;
这里我们创建了一个视图,并使用了with check option来限制了视图。 然后我们来看一下视图包含的结果:
select * from testv
- ToastPlugin插件在cordova3.3下使用
dibov
Cordova
自己开发的Todos应用,想实现“
再按一次返回键退出程序 ”的功能,采用网上的ToastPlugins插件,发现代码或文章基本都是老版本,运行问题比较多。折腾了好久才弄好。下面吧基于cordova3.3下的ToastPlugins相关代码共享。
ToastPlugin.java
package&nbs
- C语言22个系统函数
dcj3sjt126com
cfunction
C语言系统函数一、数学函数下列函数存放在math.h头文件中Double floor(double num) 求出不大于num的最大数。Double fmod(x, y) 求整数x/y的余数。Double frexp(num, exp); double num; int *exp; 将num分为数字部分(尾数)x和 以2位的指数部分n,即num=x*2n,指数n存放在exp指向的变量中,返回x。D
- 开发一个类的流程
dcj3sjt126com
开发
本人近日根据自己的开发经验总结了一个类的开发流程。这个流程适用于单独开发的构件,并不适用于对一个项目中的系统对象开发。开发出的类可以存入私人类库,供以后复用。
以下是开发流程:
1. 明确类的功能,抽象出类的大概结构
2. 初步设想类的接口
3. 类名设计(驼峰式命名)
4. 属性设置(权限设置)
判断某些变量是否有必要作为成员属
- java 并发
shuizhaosi888
java 并发
能够写出高伸缩性的并发是一门艺术
在JAVA SE5中新增了3个包
java.util.concurrent
java.util.concurrent.atomic
java.util.concurrent.locks
在java的内存模型中,类的实例字段、静态字段和构成数组的对象元素都会被多个线程所共享,局部变量与方法参数都是线程私有的,不会被共享。
- Spring Security(11)——匿名认证
234390216
Spring SecurityROLE_ANNOYMOUS匿名
匿名认证
目录
1.1 配置
1.2 AuthenticationTrustResolver
对于匿名访问的用户,Spring Security支持为其建立一个匿名的AnonymousAuthenticat
- NODEJS项目实践0.2[ express,ajax通信...]
逐行分析JS源代码
Ajaxnodejsexpress
一、前言
通过上节学习,我们已经 ubuntu系统搭建了一个可以访问的nodejs系统,并做了nginx转发。本节原要做web端服务 及 mongodb的存取,但写着写着,web端就
- 在Struts2 的Action中怎样获取表单提交上来的多个checkbox的值
lhbthanks
javahtmlstrutscheckbox
第一种方法:获取结果String类型
在 Action 中获得的是一个 String 型数据,每一个被选中的 checkbox 的 value 被拼接在一起,每个值之间以逗号隔开(,)。
所以在 Action 中定义一个跟 checkbox 的 name 同名的属性来接收这些被选中的 checkbox 的 value 即可。
以下是实现的代码:
前台 HTML 代码:
- 003.Kafka基本概念
nweiren
hadoopkafka
Kafka基本概念:Topic、Partition、Message、Producer、Broker、Consumer。 Topic: 消息源(Message)的分类。 Partition: Topic物理上的分组,一
- Linux环境下安装JDK
roadrunners
jdklinux
1、准备工作
创建JDK的安装目录:
mkdir -p /usr/java/
下载JDK,找到适合自己系统的JDK版本进行下载:
http://www.oracle.com/technetwork/java/javase/downloads/index.html
把JDK安装包下载到/usr/java/目录,然后进行解压:
tar -zxvf jre-7
- Linux忘记root密码的解决思路
tomcat_oracle
linux
1:使用同版本的linux启动系统,chroot到忘记密码的根分区passwd改密码 2:grub启动菜单中加入init=/bin/bash进入系统,不过这时挂载的是只读分区。根据系统的分区情况进一步判断. 3: grub启动菜单中加入 single以单用户进入系统. 4:用以上方法mount到根分区把/etc/passwd中的root密码去除 例如: ro
- 跨浏览器 HTML5 postMessage 方法以及 message 事件模拟实现
xueyou
jsonpjquery框架UIhtml5
postMessage 是 HTML5 新方法,它可以实现跨域窗口之间通讯。到目前为止,只有 IE8+, Firefox 3, Opera 9, Chrome 3和 Safari 4 支持,而本篇文章主要讲述 postMessage 方法与 message 事件跨浏览器实现。postMessage 方法 JSONP 技术不一样,前者是前端擅长跨域文档数据即时通讯,后者擅长针对跨域服务端数据通讯,p