一步一步学Remoting之三:复杂对象

本文介绍如何在远程对象中管理状态,包括使用自定义类通过MBV(按值编码)和MBR(按引用编组)的方式进行数据传输,并讨论了不同激活模式的特点。
这里说的复杂对象是比较复杂的类的实例,比如说我们在应用中经常使用的DataSet,我们自己的类等,通常我们会给远程的对象传递一些自己的类,或者要求对象返回处理的结果,这个时候通常也就是需要远程对象有状态,上次我们说了几种激活模式提到说只有客户端激活和Singleton是有状态的,而客户端激活和 Singleton区别在于Singleton是共享对象的。因此我们可以选择符合自己条件的激活方式:
                        状态      拥有各自实例
Singleton              有            无
SingleCall              无            有
客户端激活              有            有
 
在这里,我们先演示自定义类的传入传出:
先说一个概念:MBV就是按值编码,对象存储在数据流中,用于在网络另外一端创建对象副本。MBR就是按引用编组,在客户机上创建代理,远程对象创建ObjRef实例,实例被串行化传递。
我们先来修改一下远程对象:
using System; 
namespace RemoteObject 

    public class MyObject:MarshalByRefObject 
    { 
        private MBV _mbv;
        private MBR _mbr;
        public int Add(int a,int b) 
        { 
            return a+b; 
        } 
        public MBV GetMBV()
        {
            return new MBV(100);
        }
        public MBR GetMBR()
        {
            return new MBR(200);
        }
        public void SetMBV(MBV mbv)
        {
            this._mbv=mbv;
        }
        public int UseMBV()
        {
            return this._mbv.Data;
        }
        public void SetMBR(MBR mbr)
        {
            this._mbr=mbr;
        }
        public int UseMBR()
        {
            return this._mbr.Data;
        }
    } 
    [Serializable]
    public class MBV
    {
        private int _data;
        public MBV(int data)
        {
            this._data=data;
        }
        public int Data
        {
            get
            {
                return this._data;
本文转自:http://www.5uflash.com/flashjiaocheng/Fmsjiaocheng/2315.html
【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
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