关于4.4沉倾式状态栏

本人一直比较喜欢UC,最近发现UC的状态栏改的不错。今天看到朋友说才知道原来是沉倾式,顿时才知道好多东西都忽略了!

技术真的是学不完,只有慢慢的积累才是王道啊!好了废话不多说.

通过查找资料发现可以用以下代码实现效果:

if(VERSION.SDK_INT>=VERSION_CODES.KITKAT){
	getWindow().addFlags(WindowManager.LayoutParams.FLAG_TRANSLUCENT_STATUS);
	getWindow().addFlags(WindowManager.LayoutParams.FLAG_TRANSLUCENT_NAVIGATION);
}
然而发现标题栏View上移了,于是加入以下代码解决:

android:fitsSystemWindows="true"
android:clipToPadding="true"
才发现状态栏颜色需要和主View背景颜色保持一致,这样就无法保证需求了,于是发现了一个开源的项目:

https://github.com/jgilfelt/SystemBarTint

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);
  
   //初始化
    SystemBarTintManager tintManager = new SystemBarTintManager(this);
    
    tintManager.setStatusBarTintEnabled(true);
    
    tintManager.setNavigationBarTintEnabled(true);

}
//设置颜色或者img
tintManager.setTintColor(Color.parseColor("#99000FF"));

tintManager.setNavigationBarTintResource(R.drawable.my_tint);

tintManager.setStatusBarTintDrawable(MyDrawable);

这样就可以完美实现沉倾式状态栏了!


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
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