通过nprogress添加进度条效果

这篇博客介绍了如何在前端项目中结合NProgress插件和Axios库,实现在HTTP请求期间显示进度条的效果。通过在Axios的request和response拦截器中调用NProgress的start()和done()方法,可以实现请求开始时显示进度条,请求结束时关闭进度条,提升用户体验。

首先引入nprogress插件

1.加载nprogress包

//导入nprogress 包对应的js,css
import NProgress from 'nprogress'
import 'nprogress/nprogress.css'

2.在axios request请求中使用start()函数来开启进度条

//挂载请求拦截器
//在request拦截器中,展示进度条NProgress.start()
axios.interceptors.request.use(function (config) {
  NProgress.start();
  config.headers.Authorization = sessionStorage.getItem('token')
  return config;
})

3.在axios response请求中使用start()函数来关闭进度条

//在response拦截器中,隐藏进度条NProgress.done()
axios.interceptors.response.use(config=>{
  NProgress.done();
  return config
})
【SCI级别】多策略改进鲸鱼优化算法(HHWOA)和鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30寻优对比内容概要:本文档主要介绍了一项关于多策略改进鲸鱼优化算法(HHWOA)与标准鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30上进行寻优性能对比的研究,属于智能优化算法领域的高水平科研工作。文中通过Matlab代码实现算法仿真,重点展示了HHWOA在收敛速度、寻优精度和稳定性方面的优势,体现了多策略改进的有效性。该研究适用于复杂优化问题求解,尤其在工程优化、参数辨识、机器学习超参数调优等领域具有应用潜力。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事智能优化算法开发与应用的工程技术人员,尤其适合致力于SCI论文写作与算法创新的研究者。; 使用场景及目标:①用于理解鲸鱼优化算法的基本原理及多策略改进思路(如种群初始化、非线性收敛因子、精英反向学习等);②为智能优化算法的性能测试与对比实验提供CEC2017标准测试平台的实现参考;③支撑学术研究中的算法创新与论文复现工作。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注HHWOA的改进策略模块与WOA的差异,通过重复实验验证算法性能,并可将其思想迁移至其他优化算法的改进中,提升科研创新能力。
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