RxJava笔记

本文介绍了RxJava和RxAndroid相关知识。RxJava用于异步任务处理数据,是轻量级框架,采用扩展的观察者模式避免回调地狱。RxAndroid是其针对Android平台的扩展,便于开发。还讲解了Schedulers调度器解决线程通信问题,以及RxJava观察者模式的四大要素。

一:RxJava是什么:

1.异步任务处理数据

2.扩展的观察者模式

 

二:RxJava特点

1.Jar包的大小 < 1MB

2.轻量级框架

3.支持Java 8 Iambda

4.支持Java 6 + & Android2.3+

5.支持异步和同步

 

三:扩展的观察者模式讲解

1.onCompleted()事件:事件结束时会把通知发送到观察者

2.onError()事件:错误事件通知函数

3.扩展的观察者模式是组合而不是嵌套的,避免陷入回调地狱

 

 

 

四:RxAndroid是什么?

1.是Rxjava针对Android平台的一个扩展,用于Android开发

2.提供响应式扩展组件快速,易于开发Andorid应用程序

 

 

五:Schedulers(调度器)

1.解决主线程和子线程的通信问题

2.解决多线程线程问题(可以)

例子;

Observable.just(1,2,3,4) //IO线程,由subscribeOn()指定

      .subscribeOn(Schedulers.io())

      .observeOn(Schedulers.newThread())

      .map(mapOperator)  //新线程,由observeOn()指定

      .observeOn(Schedulers.io())

      .map(mapOperator2) //IO线程,由observeOn()指定

      .observeOn(AndroidSchedulers.mainThread)

      .subscribe(subscriber);  //Android主线程,由observeOn()指定

 

 

六:RxJava观察者模式

1.观察者模式四大要素:

 (1)Observable(被观察者)

 (2) Observer(观察者)

 (3) subscribe (订阅)

 (4)事件

七:RxJava扩展的观察者模式

 

 

 

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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