Java开发环境搭建

一、JAR、JDK区别

JRE(Java Runtime Environment    Java运行环境):包括Java虚拟机(JVM Java Virtual Machine)Java程序所需的核心类库等,如果想要运行一个开发好的Java程序,计算机中只需要安装JRE即可。

JDK(Java Development Kit    Java开发工具包)JDK是提供给Java开发人员使用的,其中包含了java的开发工具,也包括了JRE。所以安装了JDK,就不用在单独安装JRE了。

其中的开发工具:编译工具(javac.exe)  打包工具(jar.exe)

简单而言:使用JDK开发完成的java程序,交给JRE去运行。

二、下载、安装JDK

JDK(Java Development Kit  Java开发工具包)可以到官方网址:www.oracle.com去下载,如果是windowsx64的朋友也可以由我提供的百度网盘下载jdk-7u51-windows-x64:http://pan.baidu.com/s/1gdpM103

JDK的安装就是傻瓜是安装,下一步下一步即可。但是选择安装目录时建议目录不要包含中文和空格。如图

安装过程中有提示是否安装jre,我选择是并选择安装目录,方法同jdk

安装完后如下图

三、测试

JDK安装完成后,安装成功没有,这时需要启动命令行(运行中输入cmd回车),并且目录切换到bin目录下。

此时输入JavaJavac看是否能打印出相关信息,若打印出来说明JDK安装成功。

四、环境变量path配置

在测试JDK安装是否成功时,发现了一个问题。只有把目录切换到javajavac所在目下来才可以运行javajavac命令,而windows系统中的一些命令为什么不管在什么目录下都可以运行,这是为什么呢?java这样的命令能不能也在任何目录下都可以运行呢?

根据windows系统在查找可执行程序的原理,可以将java工具所在路径定义到path环境变量中,让系统帮我们去找运行执行的程序。下面是环境变量的配置:

1、我的电脑--属性--高级--环境变量

2、新创建一个环境变量 JAVA_HOME 记录住jdk

的目录,这样做是为了不因为jdk的目录或者目录名称的改变,而不断更改path的值,而导致对path变量值的误操作

JAVA_HOME=D:\javaPackage\jdk1.7.0_51

path=%JAVA_HOME%\bin;%path%

%path%:动态获取path环境变量的值。

%JAVA_HOME%:动态获取名称为JAVA_HOME环境变量的值。

3、打开DOS命令行,任意目录下敲入javac

4、如果出现javac 的参数信息,配置成功

五、编写并编译hello world!

1、编写

选择最简单的编辑器记事本或editplus编辑器。敲入代码

class Demo 
{
	public static void main(String[] args) 
	{
		System.out.println("Hello World!");
	}
}

文件名改为 hello.java

2、编译

有了java源文件,将其编译成JVM可以识别的文件。

在该源文件目录下,通过javac编译工具对hello.java文件进行编译。javac hello.java

如果程序没有错误,没有任何提示,但在当前目录下会出现一个Demo.class文件,该文件称为字节码文件,也是可以执行的java的程序。

3、运行

有了可执行的java程序(Demo.class字节码文件)

通过运行工具java.exe对字节码文件进行执行。

java Demo
六、classpath配置

目标:实现在任意目录下都可以执行某一目录下的class文件

根据path环境变量的原理,可以定义一个名为classpath环境变量,将要运行的class文件所在目录定义在该变量中

JVM查找类文件的顺序:

如果没有配置classpath环境变量,JVM只在当前目录下查找要运行的类文件。

如果配置了classpath环境,JVM会先在classpath环境变量值的目录中查找要运行的类文件。

值的结尾处如果加上分号,那么JVMclasspath目录下没有找到要指定的类文件,会在当前目录下在查找一次

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

内容概要:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
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