From liferay to myliferay

本文记录了作者从初识Liferay到应用阶段的技术旅程,包括了解、学习、使用、开发和基于Liferay的应用等内容。从CMS入手,深入探讨主题开发及其它技术细节。

为什么写这篇博客,原因很简单,记录一下自己什么时候开始接触Liferay的,另外为我写Liferay的相关博客提供思路。

我把我的Liferay之旅,称之为myliferay.

1.2006年开始接触Liferay,当时下载后,只是了解一下它能干什么。经过一段时间的了解,发现它能做许多事情,比如:建设网站,为每个项目建一个网站。我把它称之为了解阶段。

2.2006-2007年开始了解学习Liferay的CMS,其它功能,像权限系统,其它一些配置,集成,这段时间都是学习使用,了解功能,我把它称之为学习阶段。

3.2007-2008年开始用它建设公司网站,开发简单的theme.我把它称之为使用阶段。

4.2008-2009年后开始开发portlet,定制liferay,采用ext机制开发。我把它称之为学习开发阶段。

5.2009-现在,我已经开始大量开发theme,基于liferay做一些应用系统。开发了大量的Portlet,采用了ext机制开发与其它 插件相结合的方式,portlet插件,hook插件,theme插件,布局插件。已经有不少基于Liferay的应用系统与网站在实际使用。我把它称之 为基于Liferay的应用阶段。

博客编写思路如下:

1.准备从翻译技术博客开始,像RAY,JONAS等等他们的技术博客。

2.根据自己的经验,写一些原创的Liferay技术员博客。

其中的博客内容从Liferay CMS开始,再写theme,最后是Liferay的其它技术内容。

【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
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