Android 4 开发环境配置中的诸多陷阱

解决Android开发环境配置问题
本文详细记录了解决Android开发环境中遇到的问题,包括JAVA环境配置、AVD运行、虚拟化配置等,提供了一系列操作步骤和解决方案,帮助开发者顺利完成环境搭建。

机器重做以后,重新配置Android开发环境的过程中遇到了很多问题和麻烦,不由得感慨免费的东西陷阱多多,也在这里做个总结加备忘。

 

 我初始安装的软件包如下:

 

  • Android SDK: installer_r20.0.3-windows 安装在c:\android-sdk, 对应系统常量”ANDROID_HOME“
  • JAVA: 1.7.0_07: 安装在C:\Java\jdk1_7,对应系统常量“JAVA_HOME%
  • Eclipse JUNO:安装在"C:\eclipse"
过程中遇到过如下问题:
  • JAVA环境配置不对,导致Android SDK一闪而过
  • Android项目提示无法解析诸多的Java类
  • Intel x86 Atom System Image对应的AVD无法顺利运行

 

最终尝试了如下步骤:

 

  1. 系统常量“JAVA_HOME%配置为”C:\Java\jdk1_7“
  2. 删除C:\Windows\System32 中出现的3个Java*.exe文件;
  3. 配置%CLASS_PATH%为“       .;%JAVA_HOME%/lib;%JAVA_HOME%/lib/tools.jar”
  4. 修改C:\android-sdk\tools下的Android.bat:”for /f %%a in (lib\archquery.jar') do set swt_path=lib\%%a“ 改为 ”for /f %%a in ('%java_exe% -jar %ANDROID_HOME%\tools\lib\archquery.jar') do set swt_path=lib\%%a“
  5. 顺手配置%SWT_PATH%为”%ANDROID_HOME%\tools\lib\x86_64“
  6. 在%PATH%变量头部添加“%ANDROID_HOME%\tools;%ANDROID_HOME%\platform-tools;%JAVA_HOME%;%JAVA_HOME%\bin;”
  7. 因为和谐的原因,在C:\Windows\System32\drivers\etc的hosts文件中按格式添加”203.208.46.146 dl.google.com”和“203.208.46.146 dl-ssl.google.com“;
  8. 通过Eclipse更新SDK后,ADB命令就可以在命令行的任意目录执行了
  9. Dell笔记本配置Virtualization (VT-x)时尝试过BIOS配置,安装CCTK工具配置但均告失败,最终搜索并升级了BIOS版本得以解决。
  10. 运行“c:\android-sdk\extras\intel\Hardware_Accelerated_Execution_Manager>IntelHaxm.exe”,按缺省配置安装。
  11. 配置AVD:选中某个API Level后,在CPU/API中选择Intel Atom (x86); Hardware-New分别选择GPU Emulation和Keyboard Support,并且Value均设为Yes。
  12. 在打开的AVD中,Menu-Display:Auto-rotate screen取消勾选,Sleep设为30分钟。
  13. System Property - Advanced - Performance - Settings - Data Execution Prevention 选择 “Turn on DEP for all ...”
  14. 发现扩展桌面导致模拟器始终无法打开,所以启动模拟器时将笔记本先从Dock上取下来。

 

 

 

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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