day28安卓线程

本文详细介绍了Android开发中AsyncTask的使用方法及其生命周期回调函数,包括doInBackground、onPostExecute、publishProgress与onProgressUpdate等。同时,也深入解析了ListView的工作原理及BaseAdapter的实现方式。

AsyncTask

========================================

*异步任务

*包含了Handler,Message,消息,线程

*如果创建启动多个异步任务,默认只有一个线程依次执行

*如果希望多个异步任务并行处理.,

executeOnExecutor(Executer)

executeOnExecutor(Executor,....)

---------------------------------------------------------

doInBackground(....)工作线程中执行

publishProgress(...)在doInBackground()中调用发布进度

onProgressUpdate(...)在主线程中执行,更新UI

onPostExecute(....)在主线程执行,处理最终结果

cancel(true)取消当前正在执行的任务


ListView

===================================

*需要一个Adapter来提供条目视图

*Adapter 需要数据列表和条目视图的布局文件

*生成条目视图时:

新建布局视图实例LayoutInflater.

取出一项数据

将数据放入视图显示

将视图交给ListView显示


BaseAdapter

==========================================

*抽象父类

*方法:

getCount()

表示数据的数量即条目数量

ListView 会调用adapter.getCount()来确定,总共要显示多少个条目


getItem(position)

获得指定位置的条目视图

负责创建条目视图,交给ListView;

ListView 要显示其中一个条目时会调用adapter.getItem(下标)

来获得一个条目视图显示.


*****可变长参数和普通参数共存时,可变长参数必须放在最后.

a(int ....param1,int param2);





===========================复习===============================

创建消息

Message m=new Message()

Message m=Message.obtain(handler,what,arg1,arg2,obj);//缓存可以直接修改数据使用

Message m=Message.obtain(handler,new Runable(){public void run(){.....}}

handler.obtainMessage(what,arg1,arg2,obj)

handler.post(new Runable(){public void run()[]})//直接发送携带代码的消息


发送

handler.sendMessage(m)

Message.obtain(...).sendToTarget();

handler.obtainMessage(.......).sendTotarget()

handler.sendEmptyMessage(what)

handler.post(Runable)


处理

1,Message的回调,Runable的run();

2,handler的回调,boolean handleMessage() true(不再执行3)

3,handler子类重写的handmessage()


============================AsyncTask===========================

doInbackground() 工作线程

onpostExecute()主线程

publishProgress()工作线程中调用

onprogressUpdate()在主线程显示进度.











【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点利用深度Q网络(DQN)等深度强化学习算法对微能源网中的能量调度进行建模与优化,旨在应对可再生能源出力波动、负荷变化及运行成本等问题。文中结合Python代码实现,构建了包含光伏、储能、负荷等元素的微能源网模型,通过强化学习智能体动态决策能量分配策略,实现经济性、稳定性和能效的多重优化目标,并可能与其他优化算法进行对比分析以验证有效性。研究属于电力系统与人工智能交叉领域,具有较强的工程应用背景和学术参考价值。; 适合人群:具备一定Python编程基础和机器学习基础知识,从事电力系统、能源互联网、智能优化等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习如何将深度强化学习应用于微能源网的能量管理;②掌握DQN等算法在实际能源系统调度中的建模与实现方法;③为相关课题研究或项目开发提供代码参考和技术思路。; 阅读建议:建议读者结合提供的Python代码进行实践操作,理解环境建模、状态空间、动作空间及奖励函数的设计逻辑,同时可扩展学习其他强化学习算法在能源系统中的应用。
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