javaSE字符串

很多场景的编程都是回归到最基本的基础应用:字节数组输入流ByteArrayInputStream的应用

样例:
    00000154***********(某协议传输的内容1)00012323*******************(某协议传输的内容2) … 00000859******(某协议传输的内容3)
   
其中,连续8byte的数字代表业务信息协议内容的长度,后边“******”即为某协议传输的消息内容(UTF-8编码)
说明:
    此处8byte意为连续8个字符,每个字符内存储一个数字,连续8个字符共同代表一个数字

按照样例进行通信传输,到接收方只要解出对应的协议内容部分。

方法一:

public static List<String> readMessage(String message) throws Exception {
        List<String> list = new ArrayList<String>();
       
        while ( true ) {
            if(message == null || message.equals("")) {
                break;
            }
            String strLen = message.substring(0, 8);
            int len = Integer.parseInt(strLen);
            list.add(message.substring(8, 7+1+len));
            message = message.substring(8+len);
           
        }
        return list;
    }

方法二:

public static List<String> readMessage(byte[] all) throws Exception {
        List<String> list = new ArrayList<String>();
        ByteArrayInputStream input = new ByteArrayInputStream(all);
        byte[ ] b = new byte[8];
        while (true) {
            String temp = null;
            String msgString = null;
            if (input.read(b) == -1)
                break;
            temp = Utils.byteToString(b);
            if (temp == null)
                continue;
            int msglength = Integer.parseInt(temp.trim());
            byte[] tempb = new byte[msglength];
            if (input.read(tempb) == -1)
                break;
            if (tempb != null) {
                msgString = Utils.byteToString(tempb);
                if (!Utils.IsNullStr(msgString))
                    list.add(msgString);
            }
        }
        return list;
    }

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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