WP7 Dev [2] Windows Phone 7 For Silverlight 生命周期

本文探讨Windows Phone 7 (WP7) 的应用生命周期管理,包括多任务处理、墓碑机制等关键概念。WP7限制了后台运行的应用数量,以确保良好的用户体验及延长电池寿命。当应用进入后台时会变成“墓碑”状态,系统会保留其状态信息以便快速恢复。

程序员两难的关键是我们如何维持一个非常灵敏的用户体验,同时又要提供一些多任务操作和维护电池寿命。Windows Phone 7提供了当应用程序处于非活动期内使用墓碑机制。本文将讨论Windows Phone 7的多任务、墓碑、这个生命周期。

  整个应用程序生命周期是从程序的可执行模块启动到终止,目的是在任何时候可提供一个灵敏的系统。这时为了避免俩个以上的应用程序继续在后台运行,争夺资源,导致前台应用程序慢和损耗电池寿命。为了做到这一点Windows Phone 7只允许一个应用程序在前台运行,并不允许第三方应用程序在后台运行,当一个应用程序转到后台运行后(并没有关闭),那么它就是一个墓碑。墓碑意味著应用程序是惰性的,OS依然保存着该应用程序的状态信息。当用户重新启动前,进入墓碑状态,它可以保存当前状态,当用户在此打开时应用程序还在当前。

  Navigation

  当按下硬件中的返回按钮后,你的应用程序就终止了。当你在使用一个应用程序中,又启动了一个新的应用程序,但是旧的应用程序没有被关闭,它就处于非活动状态。但是它将保存很短的时间,时间一到它就被terminated。

  关键的区别在于,关闭是当应用程序再被启动时是新建了一个新的实例,以前的状态没被保存,而处于非活动状态是OS保存了该应用程序的状态,不是新建实例,并不是真正的终止运行。

  手机支持三种造成程序已终止的假象事件

  Events are fired on the termination and resumption of an application

  开发人员可以使用墓碑事件(tombstone events)来维护应用程序和当前页面的状态

  当程序再次运行时,开发人员可以使用此状态来恢复应用程序

  当下列任何情况发生后,你的应用程序立即进入墓碑状态

  用户通过按键导航到一个新的应用程序,例如开始键

  你的应用程序使用了一个launcher或者Chooser来启动另一个进程

  另一方面,如果你启动了一些为数不多的本地服务,你的应用程序并不进入墓碑状态,除非新的前台程序需要更多的资源。下列是一些你可启动的,并不一定是墓碑状态的服务

  · PhotoChooserTask

  · CameraCaptureTask

  · MediaPlayerLauncher

  · EmailAddressChooserTask

  · PhoneNumberChooserTask

  · Multiplayer Game Invite [games]

  · Gamer You Card [games] 

  生命周期

  在应用程序这个生命周期中,状态间的相互转换都会触发一些相关的事件。

  这些事件是

  Launching /Activating

  Running

  Deactivating /Closing

  所有的这些事件都在Microsoft.Phone.Shell.PhoneApplicationService 类中。

  Launching

  当用户点击了应用程序在开始菜单上的层,应用程序就进入启动状态,这时, Launching事件就会被触发。它总是创建一个新的实例,因此在处理launching事件上,你不过渡到一个已存在的会话,虽然你只是检查独立存储上的新实例信息。

  Launching是创建新的实例,resumed是激活实例,两者是互斥的。

  Running

  Launching或Activating事件发生应用程序就进入运行状态。closing or deactivating事件发生就退出运行状态。

  Closing or Deactivating

  程序退出运行状态的;两种方式

  closing说明程序已终止,Deactivating只是程序停用,它还存在内存中。

  Activating

  处于停用状态的程序被激活。

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