AS3.0 中root和parent的用法

AS3.0 中root和parent的用法
2011年01月20日
  一、首先看一下在单个swf中的用法:
  在主舞台上的帧上写下如下代码:
  var xxx="this is root";
  新建一个MC,给它一个实例名称test_mc1,在test_mc1中的帧上写下如下代码:
  trace(parent["xxx"]);
  trace(root["xxx"]);
  trace(root["test_mc1"].alpha)
  最终的输出为:
  this is root this is root
  1
  如果在test_mc1中在建立一个实例名称为test_mc2的movieclip,如何trace它的alpha呢:
  trace(root["test_mc1"].test_mc2.alpha);
  最终输出“1”。
  二、如果是两个swf,他们之间是怎样操作的呢:
  新建两个flash文件,命名为a1和a2,
  在a1.fla中的帧上写下如下代码:
  var xxx="this is root";
  var myloader=new Loader();
  myloader.load(new URLRequest("a2.swf"));
  addChild(myloader);
  在a2.fla中建立一个动态文本框,实例名称为txt;
  在帧中写下如下代码:
  txt.text=parent.root["xxx"];
  分别发布两个flash文件,然后运行a1.swf,看到其显示结果为"this is root";
  在发布a2.swf是你会看到:
  ReferenceError: Error #1069: 在 flash.display.Stage 上找不到属性 xxx,且没有默认值。
  at a2_fla::MainTimeline/a2_fla::frame1()
  不用去理它,因为他不是通过a1.swf load到场景,所以找不到xxx这个参数。
  这里的第一个parent是a1.swf中的myloader,myloader的再上一级才能找到xxx这个参数,这里也可以写成parent.parent["xxx"]。
  我想通过这两个例子应该比较清楚如何在AS3中使用root和parent了。
  http://blog.sina.com.cn/taurusman
【无人机】基于改进粒子群算法的无人机路径规划研究[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在收敛速度全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础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