DWR使用说明

1. 配置web.xml 文件
<servlet>
<servlet-name>dwr-invoker</servlet-name>
<servlet-class>org.directwebremoting.servlet.DwrServlet</servlet-class>
<init-param>
<param-name>debug</param-name>
<param-value>true</param-value>
</init-param>
<init-param>
<param-name>classes</param-name>
<param-value>
<!—主要是Dwr用到的方法及 属性类 -->
com.dao.user.UserService,
com.bean.User
</param-value>
</init-param>
</servlet>

<servlet-mapping>
<servlet-name>dwr-invoker</servlet-name>
<url-pattern>/dwr/*</url-pattern>
</servlet-mapping>

2. pojo
(1) 需要在类上注解@DataTransferObject
(2) 对于属性的注解 需要在属性的get方法上增加@RemoteProperty
如:

@RemoteProperty
public String getEmail() {
return email;
}

3. service
(1) 需要在类上注解@RemoteProxy

@Service("userService") //spring bean 注入
@RemoteProxy(creator = SpringCreator.class, name = "userService", creatorParams = { @Param(name = "beanName", value = "userService") })
//name:js中需要引入的名字 如:
<script src='dwr/interface/userService.js'></script>
//@Param(name = "beanName", value = "userService") }
// name 引用springBean的方式 value 为引用的Spring的name
方法上的注解是:@RemoteMethod 如:
// request 为了回调得到值

@RemoteMethod
public List<User> getAllUser(HttpServletRequest request) {
return getAll();
}
4. js中调用
(1) 导入js

<script src='<%=basePath%>dwr/engine.js'></script>
<script src='<%=basePath%>/dwr/util.js'></script>
<script src='<%=basePath%>dwr/interface/userService.js'></script>

(2) 写方法调用

function getAllUser() {
//主要是直接调用类方法
userService.getAllUser(dealType2Data);
}
// 回调函数
function dealType2Data(result) {
if(result!=null && result.length > 0){
alert(DWRUtil.getValue("email") + ":" + result[0].email);
// DWRUtil.setValue("email", result[0].email);设置值
}
}
function getUser() {
getAllUser();
}
(3) HTML页面
<input type="text" id="email">
<input type="button" name="button" value="点啊" onClick="getUser();">
【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