Duplicate id, tag null, or parent id 0x0 with another fragment 解决方案

本文介绍了一种解决Fragment中视图重复加载的方法,通过移除已存在的视图并重新加载新的视图来避免潜在的问题。文章还展示了如何初始化ViewPager及与其关联的TitlePageIndicator,并设置指示器样式。

前面一篇文章讲解了如何解决这个问题,但是同时引起了其他的问题,经过多方查找解决方案,发现使用如下的方法可以解决。

前面的文章为:http://blog.youkuaiyun.com/hack8/article/details/24680995

现在的解决方案

@Override
	public View onCreateView(LayoutInflater inflater, ViewGroup container,
			Bundle savedInstanceState)
	{
		// TODO Auto-generated method stub
		//return super.onCreateView(inflater, container, savedInstanceState);
		
		if( view!=null){
			ViewGroup parent=(ViewGroup)view.getParent();
			if( parent!=null)
				parent.removeView(view);	
		}
		try{
			
		
		
			view = inflater.inflate(R.layout.fr_user_profile, null);
			mAdapter = new CopyOfTestFragmentAdapter(getChildFragmentManager());
	
	        mPager = (ViewPager)view.findViewById(R.id.pager);
	        mPager.setAdapter(mAdapter);
	
	        TitlePageIndicator indicator = (TitlePageIndicator)view.findViewById(R.id.viewpager_indicator);
	        indicator.setViewPager(mPager);
	        indicator.setFooterIndicatorStyle(IndicatorStyle.Triangle);
	        mIndicator = indicator;
	        
	        final float density = getResources().getDisplayMetrics().density;
	       	        
	        userProfileFragment =(UserProfileFragment)getFragmentManager().findFragmentById(R.id.fr_user_profile_user_data_fragment);
	        
	        User user=new User();
	        user.fullName="booksunking";
	        user.description="book description";
	        user.email="book@gmail.com";
	        user.isFollowing=true;
	        user.shortName="book";
	       
	        userProfileFragment.setUser(user);
		}
		catch(InflateException e){
			
		}
		return view;
	}


 

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论 1
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