1 jest 单元测试

原文地址:https://www.jianshu.com/p/70a4f026a0f1?utm_source=oschina-app

 

安装

npm install -D jest babel-jest

 

添加jest.config.js

配置文档地址:https://jestjs.io/docs/zh-Hans/configuration

module.exports = {

    transform: {

        // 以 js 结尾使用 babel-jest 模块

        "^.+\\.jsx?$": "babel-jest"

    },

    testRegex: '(/__tests__/.*|(\\.|/)(test|spec))\\.(jsx?)$',

    moduleFileExtensions: ['js', 'jsx', 'json', 'node'],

    // 源码搜索路径

    modulePaths:[

        "<rootDir>/src/",

        "<rootDir>/src/ManageHome/",

        "<rootDir>/src/lib/",

        "<rootDir>/src/Common/"

    ]

}

 

package.json添加命令

"scripts": {

"test": "jest"

}

 

添加测试文件

functions.test.js

import functions  from '../src/functions';

test('sum(2 + 2) 等于 4', () => {

  expect(functions.sum(2, 2)).toBe(4);

})

 

基本断言语句

.not:测试结果不等于某个值

expect(functions.sum(2, 2)).not.toBe(5);

 

.toEqual():测试结果等于某个值

expect(functions.getAuthor()).toEqual(functions.getAuthor());

 

.toHaveLength():测试长度

expect(functions.getIntArray(3)).toHaveLength(3);

 

.toThrow():指定结果应该抛出异常

expect(getIntArrayWrapFn).toThrow('"getIntArray"只接受整数类型的参数');

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