37、.NET 应用的安装部署、互操作性与迁移指南

.NET 应用的安装部署、互操作性与迁移指南

1. 安装与部署

1.1 应用启动与更新

运行 shell 应用程序,点击“测试”菜单选项。此时,可能会有短暂的停顿,因为 DLL 会从 Web 服务器下载到本地缓存,随后子窗口将显示出来。后续对子 DLL 的任何更新都会在客户端自动更新。

1.2 菜单生成

在当前实现中,菜单是硬编码的,但可以轻松地从 XML 文件或 XML Web 服务的数据生成。这样,我们就能为大型应用构建一个连贯的菜单结构。添加新功能时,只需将新的 DLL 添加到虚拟目录并更新一些元数据,shell 应用程序就能让用户使用这些新功能。

1.3 安全考虑

.NET 基于代码的来源提供了一种安全机制。默认情况下,代码来自 Internet Explorer 的某个安全区域,每个区域的代码仅被授予特定的权限。具体如下表所示:
| 安全区域 | 代码权限 |
| — | — |
| 我的计算机区域 | 代码具有完全信任,可以执行任何操作。 |
| 本地 Intranet 区域 | 包括 http://localhost 、任何基于文件的服务器以及 IE Intranet 区域中的 Web 服务器。该区域的代码可以访问 USERNAME 环境变量、弹出文件对话框、使用独立存储、有限地使用反射、显示用户界面、进行 DNS 访问、打印到打印机以及有限地访问事件日志。 |
| Internet 区域 | 包括不在其他区域的任何 Web 服务器。该区域的代码可以弹出文件对话框、使用独立存储、显示用户

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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