WCF服务注意事项总结

上一次文章给大家分享了wcf服务的简单使用,但是wcf无服务不仅仅只有那些,今天来和大家分享一下wcf配置需要注意的事项。
上次博客说到,wcf如何供他人使用,对了,就是发布网站一样,将我们的服务发布,通过添加服务引用来使用。

首先在vs中发布我们的一项服务

如图是小编写的一项更新服务,利用了EF实体映射
在这里插入图片描述
发布之前我们需要将EF实体映射config中的连接字符串Copy到Update的config中,然后
先发布到本地,新建一个文件夹
在这里插入图片描述
我们可以看到这里面就是本地发布好的wcf服务,其中.SVC文件就是wcf服务的结果,而我们在网上发布预览的也是这个文件。

接下来我们聊一聊webconfig配置文件

我们发布的wcf服务可以在电脑上预览也可以自托管调试,但是发布了别人却不一定能使用,这里就是配置文件的分享了。
首先,打开配置文件
在这里插入图片描述
我们先在<system.ServiceModel>这个节点下添加这样一句话
在这里插入图片描述
添加这句话的目的是为了我们的wcf服务能在vs中正常添加服务引用,否则的话会找不到服务。
其次,这个地方,我们要想在vs中可以调试,需要将如图中的数据做一个更改在这里插入图片描述
还有下图
在这里插入图片描述
在这里有时候会报找不到实体的我呢提,除了实体名称就是这里是不是少东西。
最后在最下面加上下图的内容
在这里插入图片描述
其中value后面的值是你本地生成的.SVC文件的文件名。
这是配置文件的注意事项。

基于python实现的粒子群的VRP(车辆配送路径规划)问题建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问题时比较容易实现,而在VRP问题上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,加权)。
评论 5
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