动态改变filelable的值2

本文介绍了一个使用ExtJS库创建的时间选择器组件示例。该组件允许用户选择从上午8点到下午6点之间的具体时间,并演示了如何设置最小和最大值,以及如何监听并响应用户的选择事件。
  1. Ext.onReady( function () {  
  2.     new  Ext.form.FormPanel({  
  3.         renderTo : Ext.getBody(),  
  4.         items : [new  Ext.form.TimeField({  
  5.             id : 'time' ,  
  6.             fieldLabel : 'Time' ,  
  7.             name : 'time' ,  
  8.             minValue : '8:00am' ,  
  9.             maxValue : '6:00pm' ,  
  10.             listeners : {  
  11.                 'select'  :  function (combo, record, index) {  
  12.                     var  msg =  "" ;  
  13.                     var  a = combo.el.parent().parent().parent().first();  
  14.                     for ( var  dd  in  a){  
  15.                         msg += dd + " " ;  
  16.                     }  
  17.                     a.dom.innerHTML = combo.getValue() + ":" ;  
  18.                 }  
  19.                   
  20.             }  
  21.         })]  
  22.     });  
  23. }) 
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,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的越小越好) 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,其中每个变量的取区间都是 [-1, ...
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