三星Comdex展示的导航做法探讨

本文提供了一段ActionScript代码示例,用于模拟节点之间的连接,并详细解释了代码中的关键参数及其作用。
下面是其核心部分的as:
代码拷贝框
// Action script...
// [Action in Frame 8]
if (pPointGeneratedB != 1)
{
var cPN = 7;
var cCenterX = 0;
var cCenterY = 0;
var cRadius = 200;
var pX = new Array(cPN);
var pY = new Array(cPN);
var pBufferX = new Array(cPN);
var pBufferY = new Array(cPN);
var pConflictX = new Array(cPN);
var pConflictY = new Array(cPN);
var pConflictX2 = new Array(cPN);
var pConflictY2 = new Array(cPN);
var pTotalX = new Array(cPN);
var pTotalY = new Array(cPN);
var pOriginX = new Array(cPN);
var pOriginY = new Array(cPN);
var pDragLineNum = -1;
var pDrageB = 0;
var pSelectedPointNum = -1;
ptc = 0;
ptc2 = 0;
for (i = 0; i 150)
{
pTotalX[i] = 300 - pTotalX[i];
}
else if (pTotalX[i] 208)
{
pTotalY[i] = 416 - pTotalY[i];
}
else if (pTotalY[i]
[Ctrl+A 全部选择 然后拷贝]
大家来分析一下思路。
[url=http://www.blueidea.com/articleimg/2003/07/408/pnav.fla]源文件[/url]
所有代码集中在一个帧里
下面是代码及简单注释:
//DARKVN版权所有请勿作商业用途
//本程序需flash 6.0支持。
var BallsNum=7; // 设定节点个数
var centerX=300;//设定节点中心位置
var centerY=200;
var cRadius=120;
var drag=0.2;//震动参数
var flex=0.7;//震动参数
for (var i=0;i
  }
  else{
      this.posYStep = this.posYStep * flex + (this.goalYPos - this._y) * drag;
      this._y =this._y + this.posYStep;
 
      this.posXStep = this.posXStep * flex + (this.goalXPos - this._x) * drag;
      this._x = this._x + this.posXStep;
  }
 }
 
 theObj.onMouseMove=function(){
  var dx=(_root._xmouse-this._x);
  var dy=(_root._ymouse-this._y);
  var d=Math.sqrt(dx*dx+dy*dy);
  if(d
////////////////////////////////////////////////////////////////
_root.createEmptyMovieClip("line",1); // 画线
this["line"].onEnterFrame=function (){
 this.clear();
 this.lineStyle( 1, 0xffffff, 100 );
 this.moveTo( _root.pit0._x, _root.pit0._y);
 for(var i=1;i
 
代码还未经优化,未考虑异常情况处理,仅供大家学习研究。
基本上,我做的这个没有参考三星的原程序。仅仅是效果上的一种摹仿。
大家可以探讨一下其他方法。
本文转自:http://www.5uflash.com/flashjiaocheng/Flashyingyongkaifa/265.html
六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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