文章标题

本文详细介绍了AsyncTask类的使用方法及注意事项,包括定义的三种泛型、必选与可选方法的实现,以及如何避免常见问题。

AsyncTask的介绍

  • 使用场景 : 简单的异步处理.
  • 定义的三种泛型
    • Params : 启动任务的输入参数的类型.即doInBackground()方法和execute()方法的参数类型
    • Progress : 后台任务执行时的百分比的类型,即onProgressUpdate()方法和publishProgress()方法的参数类型
    • Result : 后台任务执行完毕后最终的返回值类型.即onPostExecute()方法的参数类型,和doInBackground()方法的返回值类型
  • 至少需要复写以下方法 :
    • doInBackground(Void… params) : 工作在子线程,进行耗时操作.在该方法中可以调用publishProgress()方法,激活onProgressUpdate()方法,更新当前的工作进度
    • onPostExecute(Void result) : 工作在UI线程.处理doInBackground()方法执行的结果.该方法的参数类型必须和doInBackground()方法的返回值类型一致.类似于Handler处理UI的作用
  • 如有需要,可复写的方法 :
    • onPreExecute() : 工作在UI线程,可以做初始化工作,例如在耗时操作前先显示进度圈
    • onProgressUpdate(Void… values) : 工作在UI线程.只有在doInBackground()方法中调用了publishProgress()方法,才会被激活,用来更新进度.
    • onCancelled() : 工作在UI线程.处理用户取消任务时的操作
  • 使用时的规则:
    • AsyncTask的实例必须在UI线程中创建
    • execute()方法必须在UI线程中执行
    • 不要手动的去执行onPreExecute(), onPostExecute(Result), doInBackground(Params…), onProgressUpdate(Progress…)方法
    • 一个task只能被执行一次,多次执行会报错
  • 版本适配
    • 3.0 以上设备在执行AsyncTask时,是单线程的,按照调用的顺序一个一个的去执行
    • 3.0 以下,1.6以上的设备在执行AsyncTask时, 是多线程并发的,多个任务会同时执行.
    • 如果需要在4.0以上设备执行并发操作,可以调用executeOnExecutor(java.util.concurrent.Executor, Object[])方法
bug
* AsyncTask 一般执行的是耗时操作, 那么如果在Activity中开启异步任务, 在人物尚未执行完成时,关闭Activity, 再打开就会出现卡顿或者还在执行上一次的任务
原因
*这是因为AsyncTask 是单线程的,按照调用的顺序一个一个的去执行(类似于吐司的显示),当上一个任务没有执行完毕时,新的任务会在后面排队等候
解决办法 :
*增加标志位(以在Activity中执行为例)

*   private boolean unFocus;
* 在Activity的onStart()方法和 onPause()之间,让标志位为fslse

*onStart()方法

  @Override
protected void onStart() {
//当Activity可见时,
    unFocus = false;      
    super.onStart();
}

*耗时操作

 @Override
  protected Void doInBackground(Void... params) {
        for (int i = 0, i < 100, i++) {
             //在刚进入耗时操作时进行判断,如果Activity失去了焦点,就会进入if语句,进而结束耗时操作
            if (unFocus) {
                break;
            }
                SystemClock.sleep(50);  
         }  
         return null;
   }    

*onPause()方法

@Override
protected void onPause() {
//当Activity失去焦点时更改标志位
    unFocus = true;
    super.onPause();
}   

*最后提醒如果用匿名的方式启动AsyncTask很容易忘记调用execute()方法
注意!再注意!!!

基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值