Studio SeekBar拖动条写法+调整亮度权限+RatingBar评星控件

本文介绍了如何在Android Studio中使用SeekBar调整屏幕亮度并处理相关权限,以及RatingBar的基本用法,包括设置默认星级、点击事件及步长控制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

布局
<?xml version="1.0" encoding="utf-8"?>
<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    xmlns:app="http://schemas.android.com/apk/res-auto"
    xmlns:tools="http://schemas.android.com/tools"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical">

  <SeekBar
      android:layout_width="match_parent"
      android:layout_height="wrap_content"
      android:id="@+id/tiao"
      android:max="100"/>
<TextView
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:id="@+id/zi"/>

</LinearLayout>

-------------------------------------------------------
权限加入调整亮度 <uses-permission android:name="android.permission.WRITE_SETTINGS"></uses-permission>
-------------------------------------------------------
写法
import android.app.Activity;
import android.os.Bundle;
import android.provider.Settings;
import android.support.design.widget.FloatingActionButton;
import android.support.design.widget.Snackbar;
import android.support.v7.app.AppCompatActivity;
import android.support.v7.widget.Toolbar;
import android.text.method.ScrollingMovementMethod;
import android.view.View;
import android.view.Menu;
import android.view.MenuItem;
import android.widget.SeekBar;
import android.widget.TextView;

public class MainActivity extends Activity {
    SeekBar tiao;
    TextView zi;
    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);
        init();
        zi.setMovementMethod(ScrollingMovementMethod.getInstance());
        tiao.setOnSeekBarChangeListener(new SeekBar.OnSeekBarChangeListener() {//监听事件
            @Override
            public void onProgressChanged(SeekBar seekBar, int progress, boolean fromUser) {
                Settings.System.putInt(getContentResolver(), Settings.System.SCREEN_BRIGHTNESS, progress);//调节亮度代码
                zi.append("当前的位置:"+seekBar.getProgress()+"\n");
            }

            @Override
            public void onStartTrackingTouch(SeekBar seekBar) {
                zi.append("开始拖动位置:"+seekBar.getProgress()+"\n");

            }

            @Override
            public void onStopTrackingTouch(SeekBar seekBar) {
                zi.append("结束位置:"+seekBar.getProgress()+"\n");
            }
        });





    }
    public void init(){
      tiao= (SeekBar) findViewById(R.id.tiao);
        zi= (TextView) findViewById(R.id.zi);//初始化控件
    }
}
----------------------------------------------------------------------------------------------
布局
<RatingBar
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:stepSize="1"		//1次点一颗星
    android:id="@+id/nengdian"   
    android:rating="3"/>		//默认值3颗星
<RatingBar
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:isIndicator="true"			//不能点击
    android:id="@+id/dianbule"/>
<RatingBar
    android:layout_width="wrap_content"
    android:layout_height="wrap_content"
    android:isIndicator="false"		//可以点击 一次半颗星
    android:id="@+id/dianyiban"/>
------------------------------------------------------------------------------
nengdian.setOnClickListener(new RatingBar.OnClickListener()


{
    @Override
    public void onClick(View v) {
        Toast.makeText(MainActivity.this, "---",Toast.LENGTH_LONG).show();
    }


内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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