Flex 应用的初始化顺序(转)

本文深入探讨Flex应用程序的生命周期,从SystemManager的初始化到各种事件触发的顺序,如preinitialize、initialize、creationComplete及applicationComplete等,并通过一个示例程序详细展示了这些事件的实际触发流程。

preloader->systemManager->FlexApplication started… 
然后才是 

preinitialize 
在 所有的初始化之前触发,没有子组件的定义,但是可以引用组件的变量. 

initialize 
当所有子组件生成完成后触发,在这 个时间点还没有组件被渲染出来. 

creationComplete 
组件定义完成并已经在显示列表. 

applicationComplete 
所 有的组件初始化完成并显示. 


首 先介绍一下SystemManager. SystemManager是Flex应用的主控 者, 它控制着应用窗口, Application实例, 弹出窗口, cursors, 并管理着ApplicationDomain中的 类. SystemManager是FlashPlayer实例化的第一个类, 它存储了主应用窗口的大小和位置信息, 保存其子组件比如:浮动弹出窗口 和模态窗口的痕迹. 通过SystemManager可以获得内嵌字体,样式和document对象. 
自定义的可视化组件 (UIComponent的子类)只有在调用过addChild()后, 才会有一个SystemManager赋给他们, 之前是Null. 所以在自 定义可视化组件的构造函数中不要使用SystemManager. 

通常, Application对象创建时, 发生如下事件: 
1. 实 例化Application对象 
2. 初始化Application.systemManager 
3. Application在初 始化过程之前, 派发预初始化事件. 
4. 调用createChild(). 此时, 所有应用组件被创建, 所有组件的 createChild()被调用. 
5. Application派发初始化事件, 表明所有的组件初始化完毕. 
6. 派发 creationComplete事件 
7. Application对象添加到显示列表中 
8. 派发 applicationComplete事件 

大 多数情况下, 我们使用<mx:Application>来创建 application对象, 但如果使用ActionScript来创建的话, 那么建议不要在application的构造函数中创建组件, 推荐在 crateChildren函数中, 主要是从性能方面考虑. 

Flash包含的是一个时间线上的多个帧, 而Flex的SWF只包含2 个帧. SystemManager, Preloader, DownloadProgressBar和少量工具类都在第一帧, 剩下的包括应用代码 / 内嵌资源全都在第二帧中. 当Flash Player下载下载SWF时, 只要接收到第一帧内足够的数据, 就会实例化 SystemManager, 由它来创建Preloader, 然后创建DownloadProgressBar, 这两个对象会察看剩余字节的传输过 程. 当第一帧的所有字节传输完毕后, SystemManager发送enterFrame到第二帧, 然后是其他事件. 最后Application 对象派发applicationComplete事件. 

Flex 是一个事件驱动的编程模型, 任何事情的发生, 其背后必然存在一个 事件. 而开发者第一次看到MXML时, 很难体会到一个Xml标记的应用的事件流和实例化的生命周期. 这个对于HTML和Flash的开发者尤其会感 到困惑, 因为其熟悉的方式与Flex的一点也不相似. HTML的实例化是从上到下的, Flash的执行是从Frame0开始一帧帧运行的. 而 Flex则又有不同. 

从我们开始学习Flex时, 我们就需要了解事件流和MXML的实例化. 我非常困惑因为我实在难以理解什么样的 事件会被触发或者事件什么时候会被触发. 关键是要理解事件的基础并亲自观察事件流的初始化. 

我们来看一个简单的MXML的应用. 

<?xml version=”1.0″ encoding=”utf-8″?><mx:Application    xmlns:mx=”http://www.adobe.com/2006/mxml”    layout=”absolute”    backgroundGradientColors=”[#67cbff, #fcffff]”    color=”#000000″    fontSize=”12″        preinitialize=”report( event , ‘preinitialize’ )”    initialize=”report( event , ‘initialize’ )”    creationComplete=”report( event , ‘creationComplete’ )”    applicationComplete=”report( event , ‘applicationComplete’ )”    >        <mx:Script>        <![CDATA[                                    [Bindable]                        public var outTextData:String=”";                        public function report( event:Event , value:String ):void            {                outTextData += String( flash.utils.getTimer() ) + ‘ms >> ‘                + event.currentTarget + ‘.’ + value + ‘\n’;                }                    ]]>    </mx:Script>        <mx:TextArea        id=”outTextArea”        text=”{ outTextData }”        right=”10″ left=”10″ top=”50″ bottom=”10″ alpha=”0.5″        wordWrap=”false”        initialize=”report( event , ‘initialize’ )”        creationComplete=”report( event , ‘creationComplete’ )”        />        <mx:Button        y=”10″ height=”30″ left=”168″ width=”150″        id=”HelloButton”        label=”Say Hello”        initialize=”report( event , ‘initialize’ )”        creationComplete=”report( event , ‘creationComplete’ )”        rollOver=”report( event , ‘rollOver’ )”        rollOut=”report( event , ‘rollOut’ )”        click=”report( event , ‘click > Hello!’ )”        />            <mx:Button        id=”GoodByeButton”        label=”Say Goodbye”        y=”10″ left=”10″ height=”30″ width=”150″ color=”#000000″        initialize=”report( event , ‘initialize’ )”        creationComplete=”report( event , ‘creationComplete’ )”        click=”report( event , ‘click > Goodbye!’ )”        />            <mx:Button        id=”ClearButton”        label=”Clear”        y=”10″ left=”326″ height=”30″ color=”#000000″ right=”10″                initialize=”report( event , ‘initialize’ )”        creationComplete=”report( event , ‘creationComplete’ )”        click=”outTextData=”;report( event , ‘click’ )”         />    </mx:Application>


这 个应用运行时, 输出了实例流程和事件流. 这校我们就能够看到所有事件的触发顺序. 可以发现应用启动后, 事件的顺序是一定的. 下面是输出的内 容: 

167ms >> EventFlow0.preinitialize 
183ms >> EventFlow0.outTextArea.initialize 
187ms >> EventFlow0.HelloButton.initialize 
188ms >> EventFlow0.GoodByeButton.initialize 
189ms >> EventFlow0.ClearButton.initialize 
189ms >> EventFlow0.initialize 
243ms >> EventFlow0.outTextArea.creationComplete 
243ms >> EventFlow0.HelloButton.creationComplete 
243ms >> EventFlow0.GoodByeButton.creationComplete 
244ms >> EventFlow0.ClearButton.creationComplete 
244ms >> EventFlow0.creationComplete 
246ms >> EventFlow0.applicationComplete 

一 旦applicationComplete事件触发后, 组件就会在鼠标事件派发后触发自己的事件. 

1807ms >> EventFlow0.HelloButton.rollOver 
2596ms >> EventFlow0.HelloButton.rollOut 
2954ms >> EventFlow0.HelloButton.rollOver 
3170ms >> EventFlow0.HelloButton.rollOut 
3543ms >> EventFlow0.HelloButton.rollOver 
4052ms >> EventFlow0.HelloButton.click > Hello! 
4267ms >> EventFlow0.HelloButton.click > Hello! 
4474ms >> EventFlow0.HelloButton.click > Hello! 
4569ms >> EventFlow0.HelloButton.rollOut 
4907ms >> EventFlow0.GoodByeButton.click > Goodbye! 
5130ms >> EventFlow0.GoodByeButton.click > Goodbye!

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
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