Struts list里Map嵌套Map




import java.util.Map;
import java.util.List;
import java.util.HashMap;
import java.util.ArrayList;

public class ToAddContentTypeAction
extends ContentTypeAction
{
//定义JSP页面使用的List及Map;结构如下;
private List<Long> list = new ArrayList<Long>();
private Map<Long, Map<String, Integer>> map=new HashMap<Long, Map<String, Integer>>();

public String execute()
throws Exception
{
ContentTypeManager contentTypeManager = BeanLookup.getInstance().lookup(
ContentTypeManager.class);
contentTypes = contentTypeManager.getAllContentTypes();
list.add(((Integer)1).longValue());
list.add(((Integer)2).longValue());
Map<String,Integer> temp1 = new HashMap<String, Integer>();
temp1.put("temp1.1",3) ;
temp1.put("temp1.2",4) ;
Map<String,Integer> temp2 = new HashMap<String, Integer>();
temp2.put("temp2.1",5) ;
temp2.put("temp2.2",6) ;
map.put(list.get(0), temp1);
map.put(list.get(1), temp2);
return SUCCESS;
}


public List<Long> getList()
{
return list;
}

public void setList(List<Long> list)
{
this.list = list;
}

public Map getMap()
{
return map;
}

public void setMap(Map map)
{
this.map = map;
}
}
2、JSP页面的定义如下:

<s:iterator value="list">
<s:select list="map.get(longValue()).entrySet()" listKey="getKey()" listValue="getValue()" name="map1"
emptyOption="true"/>
</s:iterator>


内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究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,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂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)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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