函数防抖和函数节流

是函数防抖就是:

在事件被触发n秒后再执行回调,如果在这n秒内又被触发,则重新计时
我们最经常用的就是输入框 搜索、添加等

举个搜索框的例子

<body>

  <input type="text" id="text">
</body>
 <script>
  function _debounce(fn,delay){
    var delay = delay || 400
    var timer
    return function(){
      var th = this
      var args = arguments
      if(timer){
        clearTimeout(timer)
      }
      timer = setTimeout(function(){
        timer = null
        fn.apply(th,args)
      }, delay);
    }
  }

  var txt = document.querySelector('#text').value

  txt.addEventListener('input',_debounce(
    function(){
      console.log(我不是不间断的打印) 
    }
    ))

</script>

此时的打印的内容 就不是 你输入一个 打印一个 而是隔了400毫秒 才打印你输入的内容

函数节流:

规定在一个单位时间内,只能触发一次函数。如果这个单位时间内触发多次函数,只有一次生效

function _throttle(fn,delay){
    var last;
    var timer
    var delay = delay || 200
    return function(){
      var now = +new Date()
      var that = this
      var arg=arguments
      if(last && now-last<delay){
        clearTimeout(timer)
        timer = setTimeout(function(){
          timer = null
          last = now
          fn.apply(that,arguments)
        }, delay);
      }else{
        last = now
        fn.apply(that,arg)
      }
    }
  }

应用场景

_debounce
search搜索联想,用户在不断输入值时,用防抖来节约请求资源。

throttle

鼠标不断点击触发,mousedown(单位时间内只触发一次)
拖拽事件,每拖动1px都会触发onmousemove(可以用throttle优化,每秒触发一次)

盒子跟随鼠标移动

<style>
    #box {
      width: 100px;
      height: 100px;
      background-color: skyblue;
      position: absolute;  //必须要有定位 否则 是实现不了的
    }
  </style>
</head>

<body>
  <div id="box"></div>


</body>
<script>
  var max = document.getElementById('box')
  var doc = document.documentElement
   doc.onmousemove = function (e) {
    console.log(e);
     max.style.left = e.x - 50 + 'px'
     max.style.top = e.y - 50 + 'px'
  }
  </script>
  
先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方的例子。 简单的平方问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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