Struts 重点小结

官网: http://struts.apache.org/

Struts1:
  JSP + Servlet + JavaBean + BaseServlet(它里面叫ActionServlet)

开发流程:
 1、准备Jar包(到Blank项目中拷)
 2、将struts1的核心类配置到web.xml ---配servlet
 3、写一个控制器(Action)---EJB
 4、写返回页面(JSP页面)
 5、写struts1的配置文件:struts-config.xml---把我们写的Action和返回页面配置到该文件中   Action要配成“.do”结束
 6、测试


Struts2
 

Filter 
webwork---xwork
开发流程:
 1、准备Jar包(到Blank项目中拷)
 2、将struts2的核心类配置到web.xml -------配过滤器: org.apache.struts2.dispatcher.ng.filter.StrutsPrepareAndExecuteFilter
 3、写一个控制器(Action)--EJB=JavaBean+业务方法(默认String execute() )
 4、写返回页面(JSP页面)
 5、写struts2的配置文件:struts.xml---把我们写的Action和返回页面配置到该文件中
 6、测试

 

Struts2能帮我们做:
1、帮助我们把前端页面上传的参数获取,并封装成EJB(Action对象)
2、帮助我们自动把信息存放到request中
3、帮我们实现页面转发(根据struts.xml中的结果页面配置 <action>中的<result>标签配置)
4、以上3个是核心功能。另外,还有验证框架、拦截器、转换器、国际化、文件上传下载、页面标签库,表单可配置,对Ajax的支持,数据库连接和事务等!


查看Struts校验框架的ActionName-validation.xml中的校验类型可以填哪一些:
struts-2.3.20-all\struts-2.3.20\lib\xwork-core-2.3.20.jar  -->
用360打开 --> 查看xwork-core-2.3.20.jar\com\opensymphony\xwork2\validator\validators 目录中的default.xml

1) 如果想在Action方法中手动把自定义数据放放容器中,可以使用ActionContext类,来获取Action的上下文,进而获得Action相关的app和session容器(Map类型),进行存(put方法)和取(get方法)。
2) 如果想在Action方法中采用原装的servlet环境中的一些类(ServletContext,HttpRequest,HttpResponse)进行做功能,那么可以使用ServletActionContext类。如:
    ServletActionContext.getServletContext()
    ServletActionContext.getRequest()
    ServletActionContext.getResponse()

※校验框架配置文件名: ActionName+"-validation.xml"
※转换器配置文件名: ActionName+"-conversion.properties"


文件上传Action中,与file组件相关的几个属性的名字:
1) file组件直接对应的属性: 类型为File,名字为表单组件中的参数名, 本例为:upload 
2) 上传文件名 = file属性名(同表单参数名)+ "FileName"
3)上传文件类型 = file属性名(同表单参数名)+ "ContentType"

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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