flex 自定义表单网格线工具类

package 
{
	import com.adobe.utils.ArrayUtil;
	
	import flash.display.Graphics;
	
	import mx.core.UIComponent;

	public class FillGridUtil
	{
		private static var graphics:Graphics;
		private static var width:Number;
		private static var height:Number;
		
		/**
		 * 将画图区域用网格填充,drawCenter为UIComponet的子类
		 */ 
		public static function initLine(drawCenter:UIComponent):void
		{
			graphics = drawCenter.graphics;
			width = drawCenter.width;
			height = drawCenter.height;
			//清除由drawCenter的画布graphi所产生过的图像
			graphics.clear();
			//填充背景
//			drawCenter.graphics.beginFill(0xf2fefe);
			/*drawCenter.graphics.beginFill(0x959595);*/
			graphics.drawRect(0, 0, width, height);//画一个矩形
			graphics.endFill();
			
			//画横线
			drawHorizontalLine(8,0xeaeaea);
			drawHorizontalLine(16,0xb7babc);
			drawVerticalLine(8,0xeaeaea);
			drawVerticalLine(16,0xb7babc);
		}
		
		private static function drawHorizontalLine(spacing:Number,colorNum:uint):void{
			var i : int = 0;
			var totalLength: Number = 0;
			while(totalLength <= height){
				graphics.lineStyle(1, colorNum,0.5);
				graphics.moveTo(0, spacing * i);
				graphics.lineTo(width, spacing * i);
				i++;
				totalLength = spacing * i;
			}
		}
		
		private static function drawVerticalLine(spacing:Number,colorNum:uint):void{
			var i : int = 0;
			var totalLength: Number = 0;
			while(totalLength <= width){
				graphics.lineStyle(1, colorNum,0.5);
				graphics.moveTo(spacing * i, 0);
				graphics.lineTo(spacing * i, height );
				i++;
				totalLength = spacing * i;
			}
		}
		
		public static function returnNearNum(x:Number):Number{
			return Math.floor(x/8)*8;
		}
		
	}
}

最后效果如下图:

 


 

调用示例:

 

<mx:Canvas id="myCanvas" width="100%" height="100%" label="设计"
						   						   resize="FillGridUtil.initLine(myCanvas);">

 
 对齐到网格方法可多选组件 返回最近的交点坐标.设置其x,y即可

 

protected function myCanvas_resizeHandler(event:ResizeEvent):void
			{
				FillGridUtil.initLine(myCanvas);
			}

 

 

【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
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