ecma6学习知识点(十二)async

本文深入探讨了async函数在处理异步操作时的特点,特别是如何优雅地捕获和处理await语句可能引发的错误,避免影响后续代码执行,同时提供了解决方案。
  1. async 函数用来处理异步问题
async function fn(){
	let result = await XXX //表示后面结果需要等待
}

async特点:
		1.await只能放到async函数中。
		2.相比genrator语义化更强。
		3.await后面可以是promise对象,也可以是数字、字符串、布尔
		4.async函数返回是一个promise对象。
		5.只要await语句后面Promise状态变成reject,那么真个async函数中断执行。

下面是一个async的特点5。

async function fn(){
	await Promise.reject("出问题了");
	let a = await Promise.resolve("success");
	console.log(a)
}
fn().then(res => {
	console.log(res);
}).catch(err => {
	console.log(err);
})

如何解决 async函数中抛出的错误,影响后续代码;
a) try {
} catch(e) {
}
即将await语句放在try块里面。

try {
	await Promise.reject("出现问题了");
}catch(e) {
}

b)使用promise自己的catch

await Promise.reject("出现问题了").catch(err =>{
	console.log(err)
})

建议只要有await 就全部放在
try catch 块中
2.这是一段async代码

	async function fn() {
		let [a,b,c] = await Promise.all([
			readFile("data/a.txt"),
			readFile("data/b.txt"),
			readFile("data/c.txt"),
		])
		console.log(a.toString());
		console.log(b.toString());
		console.log(c.toString());
}
fn();

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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