spring第一天

Spring提供了三中配置的可选方案(推荐使用顺序3->2->1)

1在XML中进行显示配置

2在Java中进行显示配置

3隐式的bean发现机制和自动装备机智


一、自动化装配bean

Spring从两个角度来实现自动化装配

1组件扫描:Spring会自动发现应用上下文中所创建的bean

2自动装配:Spring会自动满足bean之间的依赖

今天在测试的时候使用了SpringJUnit4ClassRunner和@ContextConfiguration

SpringJUnit4ClassRunner的用处是在测试开始的时候自动创建Spring的应用上下文。

@ContextConfiguration会告诉需要再哪里加载配置


重点

@Component("lonelyHeartClue")注解。表明该类会被作为组件类,并告知Spring要为这个类创建bean。括号中是给bean命名

@ComponentScan。在Spring中启用组件扫描。默认会扫描与配置类相同的包。(需要java代码来配置开启)

    XML配置中与之对应的是<context:component-scan base-package="***">元素

    设置基础扫描包

    @ComponentScan("soundsyatem")

    @ComponentScan(basePackages="soundsystem")

    @ComponentScan(basePackages={"soundsystem", "video"})

    @ComponentScan(basePackageClasses={CDPlayer.class, DVDPlayer.class}) 这两个类所在的包会作为扫描的基础包

@Autowired。自动装配

    可以用在构造器上

 @Autowired

public CDPlayer(CompactDisc cd) {
    this.cd = cd;
}
用在setter方法上

    @Autowired

    public void setCompactDisc(CompactDisc cd){

        this.cd = cd;

    }

    可以用在其他任何方法上

二、通过java代码装配

bean通常会将javaConfig放到其他的包中,使它与其他的用用程序逻辑分开。

@Configuration
@ComponentScan
public class CDPlayerConfig {
    @Bean
    public CompactDisc sgtPeppers(){
        return new SgtPeppers();
    } 
    @Bean
    public CDPlayer cdPlayer(){
        return new CDPlayer(sgtPeppers);
    }
}
@Configuration表明这个类是一个配置类

   @Bean会告诉Spring这个方法将会返回一个对象,该对象要注册为spring应用上下文中的bean,默认情况下bean的id与方法     名一样,也可以@Bean(name="*****")来指定一个名字

new CDPlayer(sgtPeppers);因为sgtPeppers添加了@Bean,Spring将会拦截所有对它的调用,并确保该方法所创建的bean。
    
@Bean
public MediaPlayer cdPlayer(CompactDisc compactDisc){
    return new CDPlayer(compactDisc);
}
这种方法是最佳的,因为它不会要求CompactDisc声明到同一个类中,甚至可以通过组件扫描功能自动发现或者通过XML来今夕配置。



基于遗传算法的新的异构分布式系统任务调度算法研究(Matlab代码实现)内容概要:本文档围绕基于遗传算法的异构分布式系统任务调度算法展开研究,重点介绍了一种结合遗传算法的新颖优化方法,并通过Matlab代码实现验证其在复杂调度问题中的有效性。文中还涵盖了多种智能优化算法在生产调度、经济调度、车间调度、无人机路径规划、微电网优化等领域的应用案例,展示了从理论建模到仿真实现的完整流程。此外,文档系统梳理了智能优化、机器学习、路径规划、电力系统管理等多个科研方向的技术体系与实际应用场景,强调“借力”工具与创新思维在科研中的重要性。; 适合人群:具备一定Matlab编程基础,从事智能优化、自动化、电力系统、控制工程等相关领域研究的研究生及科研人员,尤其适合正在开展调度优化、路径规划或算法改进类课题的研究者; 使用场景及目标:①学习遗传算法及其他智能优化算法(如粒子群、蜣螂优化、NSGA等)在任务调度中的设计与实现;②掌握Matlab/Simulink在科研仿真中的综合应用;③获取多领域(如微电网、无人机、车间调度)的算法复现与创新思路; 阅读建议:建议按目录顺序系统浏览,重点关注算法原理与代码实现的对应关系,结合提供的网盘资源下载完整代码进行调试与复现,同时注重从已有案例中提炼可迁移的科研方法与创新路径。
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文提出了一种基于非支配排序的蜣螂优化算法(NSDBO),用于求解微电网多目标优化调度问题。该方法结合非支配排序机制,提升了传统蜣螂优化算法在处理多目标问题时的收敛性和分布性,有效解决了微电网调度中经济成本、碳排放、能源利用率等多个相互冲突目标的优化难题。研究构建了包含风、光、储能等多种分布式能源的微电网模型,并通过Matlab代码实现算法仿真,验证了NSDBO在寻找帕累托最优解集方面的优越性能,相较于其他多目标优化算法表现出更强的搜索能力和稳定性。; 适合人群:具备一定电力系统或优化算法基础,从事新能源、微电网、智能优化等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微电网能量管理系统的多目标优化调度设计;②作为新型智能优化算法的研究与改进基础,用于解决复杂的多目标工程优化问题;③帮助理解非支配排序机制在进化算法中的集成方法及其在实际系统中的仿真实现。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注非支配排序、拥挤度计算和蜣螂行为模拟的结合方式,并可通过替换目标函数或系统参数进行扩展实验,以掌握算法的适应性与调参技巧。
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