IntelliJ IDEA 5.1 初步感受 + crack

本文分享了作者从使用JBuilder和Eclipse过渡到尝试IntelliJ IDEA的经历,重点介绍了IntelliJ IDEA 5.1版本的强大重构功能及其插件支持情况,并将其与Eclipse进行了对比。

作者:Flyingis<o:p></o:p>

最初开始接触Java的时候总喜欢跟潮流,当经历JDK+UltraEdit的洗礼之后,便开始使用JBuilder<st1:chsdate year="2007" month="8" day="9" islunardate="False" isrocdate="False" w:st="on">7/8/9</st1:chsdate>,然后是Eclipse<st1:chsdate year="1899" month="12" day="30" islunardate="False" isrocdate="False" w:st="on">3.0.1</st1:chsdate>加上各种插件,用于Web系统开发,使用感觉还不错,加上Eclipse有众多优秀插件的支持,因此就没有再去琢磨其他的IDE环境。<o:p></o:p>

前两年就听说过IntelliJ IDEA,当时是在《优快云开发高手》杂志上看到一篇介绍它的文章,还记得上面说IntelliJ IDEA显著特征之一,就是方便的即时分析和重构功能,当时它的版本还是<st1:chsdate year="1899" month="12" day="30" islunardate="False" isrocdate="False" w:st="on">3.0.5</st1:chsdate>,转眼之间现在IntelliJ IDEA 5.1都已经发布了,基本功能和易用性都得到了很大程度的改观和加强。在安装好软件以后,单是看开发环境中Refactor下的菜单项就知道它Refactoring的功底了。现在IntelliJ IDEA 5.1也开始支持插件,第一次进入开发界面整个右边栏目全部显示的是个人的插件和IDE已经集成的插件,虽然IntelliJ IDEA的开源插件还远不如Eclipse,但是这些才刚刚开始,IntelliJ IDEA 5.1Hibernate插件Hibero1.2已经发布,相信在这方面IntelliJ IDEA会越做越好。除此之外,IntelliJ IDEA似乎并不必Eclipse弱,甚至很多方面都比Eclipse强,例如全面支持Web开发、优秀的重构、众多实用插件的集成、方便的环境设置等等,在网上有很多这方面的文章。另外,过去曾经听说IntelliJ IDEA对资源占用量比较大,其实只要是Java IDE,就没有一盏省油的灯,刚才简单比较了一下,打开IntelliJ IDEA 5.1内存占用量是<st1:chmetcnv unitname="m" sourcevalue="74" hasspace="False" negative="False" numbertype="1" tcsc="0" w:st="on">74M</st1:chmetcnv>多,打开Eclipse 3.1内存占用大于<st1:chmetcnv unitname="m" sourcevalue="88" hasspace="False" negative="False" numbertype="1" tcsc="0" w:st="on">88M</st1:chmetcnv>,在机器配置越来越高,内存价格越来越便宜的今天,这种问题也不用过多考虑了,Visual Studio 2005的消耗量更大。<o:p></o:p>

总之,个人感觉IntelliJ IDEA完全可以和EclipseJBuilder等开发环境相媲美,甚至更优秀,收费可能是它进一步扩大用户群的阻碍之一,不管怎么样,它给Java开发人员提供了另外的一种选择。<o:p></o:p>

官方资源:<o:p></o:p>

http://www.intellij.com<o:p></o:p>

http://www.jetbrains.com<o:p></o:p>

下载:<o:p></o:p>

http://www.jetbrains.com/idea/download/<o:p></o:p>

download crack<o:p></o:p>

相关文章:<o:p></o:p>

SUN发布开源Netbeans 5.0<o:p></o:p>

Netbeans拉近和Eclipse差距<o:p></o:p>

<o:p> </o:p>

【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