新技能get √总结 @April 2015

本文总结了四月份在软件开发过程中的实践经验,包括数据库查询优化、Service使用注意事项、自定义控件调试技巧等,并分享了一些代码组织及命名规范的建议。

四月份。味道是复杂的。酸甜苦辣。

趁月底,把April学到的东西总结一下。

基本是经验型的了哦。

//

1)为何我仿写的数据库查询速度没有源快?

起初认为是耗时查询慢,然后准备用asyncTask处理,后来想想我是放在主线程里面进行这个查询操作的,不对,然后就再去反编源,通过数据库表名找到混淆过的那个类,发现没有反编译出来那段代码,连混淆过的abcd都没有,所以此方案失效,然后去源那边再次查询源,索性慢慢数源里面一个关键子端检索出来多少条,然后直觉觉得,他是加了数量限制的,我们这边查询了好几百条,他的只有几十条,然后加上limit xx,然后跑了一下,速度一样,效果一样,哈哈哈哈,就这样,db查询速度优化的问题解决了。

2)使用service的时候,发送广播之类的监听器用完之后要反注册,防止待会oom之类的问题。

3)findViews()-initData/initViews()--fillAdapters()-registerListeners()套路。
这样套路一放出来,就和写一个*Activity.java一样,几个生命周期里面该做什么逻辑就写的思路清晰了。

5)每个项目,activity ,service,util,view,bean,application包名建好,然后分开;

6)类命名用大驼峰法,变量小驼峰法,final static的静态常量全部大写,用下划线连接:
eg: packag:*.activity-->HelloRuleSampleActivity.java
      package:*.bean-->testBean.java
      private Button mLocationButton;
      private TextView  mTempString;
      public final static String EXTRA_ACTION;
然后一点就是,在*.xml文件中,控件的id也尽量规范化,采用小驼峰法,不建议带下划线。这样你可以快乐的*.java中复制粘贴那个id,然后直接findView的时候直接前后保持一致,哈哈。

 7)
快速定位需要的代码:我的需求是在一大推代码中定位一个 关于头部文件动作逻辑,找到布局文件,然后通过id在目标activity里面找,如果没有找到该对象,那么就去extends的父类里面找。这个快速定位需要的代码block的详细的方法,可以参考 这个博客
 关于这点,在eclipse里面,我是这样的操作的,先 【ctrl+H】找到这个相关的string,或者image(有时间你可以复制一下这个img到桌面什么的<然后删掉res里面,然后就看到红叉叉了,哈哈,这样就找到了),找到这个资源之后,【ctrl+alt+H】找到调用这个方法的上一层,然后慢慢的重复,直到定位到需要的snippet啦
--20150421
8)自定义控件,有的组件的属性是要run起来之后,才能看到效果的,不过是可以在一个xml文件的GUI视图里面直接拖拽进去的,然后在GUI界面里面看。一定不要觉得在GUI界面预览不成功就是没写好!!!有的地方要跑起来才真正看到。
//
9)设计模式的一种
ChildrenActivity extends baseActiviy{
}
然后里面引入了一个baseActivity的类似Header的View,然后在ChildrenActivity里面需要复写那个Header的一个button的点击事件。
那么就这样玩吧:
给这个button注册点击事件监听器ListenerA
baseActivity.findViewById(R.id.xx).setOnClickListener(new  View.onClickListener(){
@override
public void onClick(View view) {
onTitleClicked( );
})

protected void onTitleClicked( ) {

}
然后在childrenActivity中复写这个onTitleClicked( )就好了;
有点类似接口思想,不过是对子类继承父类的应用。


【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理迭代收敛过程,以便在实际项目中灵活应用改进。
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