转 在TreeView中操作节点CheckBox需要注意的

TreeView节点全选与状态同步
本文介绍如何在TreeView控件中实现选中某个节点时,其所有子节点也自动被选中,并根据子节点的状态更新父节点的选中状态。通过在AfterCheck事件中对Action进行判断,有效避免了事件的连锁反应。

最近应网友要求,写一个Demo程序来演示在TreeView中,选中某个节点,使其子节点全部选中,父节点则根据当前节点变化而进行变更状态。我在实现的时候,想当然在TreeViewAfterCheck事件去做,但是已运行程序,则发现程序溢出了,仔细一看,原来是在修改某个节点的Checked属性时,使得TreeViewAfterCheck事件再次相应,从而造成连锁反应。通过事件参数,可以得到Action属性,查看msdn后,才发现应该在事件中对Action要进行判断,从而避免连锁反应。

 

大致的方法如下:

private void trvDBBinding_AfterCheck(object sender, System.Windows.Forms.TreeViewEventArgs e)

{

    if( e.Action != TreeViewAction.Unknown )

    {

        //Event call by mouse or key-press

        SetNodeCheckStatus( e.Node, e.Node.Checked );

    }

}

 

private void SetNodeCheckStatus( TreeNode tn, bool Checked )

{

    if( tn == null ) return;

    // Check children nodes

    foreach (TreeNode tnChild in tn.Nodes)

    {

        tnChild.Checked = Checked;

        SetNodeCheckStatus( tnChild, Checked );

    }

    // Set parent check status

    TreeNode tnParent = tn;

    int nNodeCount = 0;

    while( tnParent.Parent != null )

    {

        tnParent = (TreeNode)(tnParent.Parent);

        nNodeCount = 0;

        foreach( TreeNode tnTemp in tnParent.Nodes )

            if( tnTemp.Checked == Checked )

                nNodeCount++;

        if( nNodeCount == tnParent.Nodes.Count )

            tnParent.Checked = Checked;

        else

            tnParent.Checked = false;

    }

}

 

    与此类似的事件,还有AfterCollapse、 AfterExpand、 AfterSelect这三个,因此避免事件的连锁反应,一定要对Action进行判断.

转自http://www.cnblogs.com/lhxhappy/archive/2007/12/20/1006741.html

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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