学习笔记之ListView优化(持续更新)

本文通过整理郭霖博客中的关键内容,探讨了ListView优化的各种方法,包括复用ContentView、使用ViewHolder模式减少重复加载、解决异步加载图片错位问题、图片压缩与缓存策略以及滑动时暂停加载图片等。

这周在整理ListView,以前ListView显示网络图片都是直接用的volley中的NetworkImageView,虽然很好用,但是感觉自己又很多东西不懂,于是想用ListView+原生ImageView做一个笔记,其实内容大部分来自郭神的博客http://blog.youkuaiyun.com/guolin_blog以及在网上看的帖子,我只是做个笔记,不喜勿喷。

<1>ListView的优化主要包括几部分:

1.复用ContentView,并使用ViewHolder避免重复加载

2.避免异步加载图片错乱

3.对网络图片压缩,以及LruCache+DiskLruCache的双重缓存

4.listview滑动时不加载

<2>郭神博客整理

首先,郭神的博客写的很好,我也是读者之一,但是郭神每篇博客是本着教大家知识点的原则,所以每次的代码都是完整的工程,所以对于ListView的优化这个主题而言,有些内容其实是有重复,所以自己想整理一篇文章,把一些ListView优化的思路都整理起来,看起来方便一些,郭神博客中关于ListView的文章主要有如下几篇:

1.解决异步加载不骗错位问题,参考如下

Android ListView异步加载图片乱序问题,原因分析及解决方案 http://blog.youkuaiyun.com/guolin_blog/article/details/45586553

总结:自己用的是setTag的方法,弱引用的办法没有用过。


2.压缩图片+LruCache,参考如下

Android高效加载大图、多图解决方案,有效避免程序OOMhttp://blog.youkuaiyun.com/guolin_blog/article/details/9316683

总结:这里避免OOM,一是通过裁剪图片来避免单张图片过大,二是使用LruCache,及时删掉缓存中最近没用的图片,避免缓存无限增长


3.使用LruCache+DiskLruCache缓存,参考如下

Android照片墙完整版,完美结合LruCache和DiskLruCache  http://blog.youkuaiyun.com/guolin_blog/article/details/34093441

总结:DiskLruCache的本质其实也是存储到文件,这个类是Google官方承认的,会及时清理最近没用的图片,避免文件缓存无限增长。


4.listview在滑动时不加载,参考如下

Android照片墙应用实现,再多的图片也不怕崩溃http://blog.youkuaiyun.com/guolin_blog/article/details/9526203

总结:其实滑动时候不加载,指的时滑动的时候不从网络加载图片,避免滑动的时候产生过多的网络请求。但是如果内存里有图片的话,还是加载的。

(之前理解为滑动的时候不加载图片,悲剧。。)


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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