Javascript学习笔记(二)

JS学习笔记:计算器项目
本文档记录了通过实现网页计算器功能深入学习JavaScript的过程。主要内容包括:熟悉函数特性与作用域,了解标准对象如Date的使用,掌握JSON序列化与反序列化技巧。

关于李老师的项目,第一个目标,实现网页中一个计算器的功能。
对于我而言,也是更加深入了解一门脚本语言的过程。我打算先行看网上的教程,再看书来相互印证。
学习目标:函数的特性和标准对象
学习工具:廖雪峰的js教程
学习笔记:

函数

语法和变量的作用域都和C非常相似
需要首先声明所有变量,不然会出现奇怪的事情
全局变量和函数都相当于window这个对象的一个属性,想要调用的话可以直接使用window.xxxx来调用,地位和本身是一样的
由此,可以直接使用单独的一个全局变量来实现表达其他所有变量

var example={};
example.name="123";
example.ver="123123";
方法
var example={
    name:"123",
    date:function(){
        return this.name;
        }

对象里的函数叫方法,跟python的机制非常相像
每个对象内部的函数,在我的理解,是分层的,this只是指向这一层的对象主体。非常不好操作,
具体的坑等到实际操作也许能遇到

标准对象
Date

直接用教程上的代码来理解

var now = new Date();
    now; // Wed Jun 24 2015 19:49:22 GMT+0800 (CST)
now.getFullYear(); // 2015, 年份
now.getMonth(); // 5, 月份,注意月份范围是0~11,5表示六月
now.getDate(); // 24, 表示24号
now.getDay(); // 3, 表示星期三
now.getHours(); // 19, 24小时制
now.getMinutes(); // 49, 分钟
now.getSeconds(); // 22, 秒
now.getMilliseconds(); // 875, 毫秒数
now.getTime(); // 1435146562875, 以number形式表示的时间戳

这是一种表示形式

Regexp

正则表达式,在python爬虫时就已掌握

JSON

1.将所有键值对序列化
2.可以通过多种手段来控制输出
3.还可以正反序列化同时进行

var xiaoming = {
    name: 'xiaoming',
    age: 14,
    gender: true,
    height: 1.65,
    grade: null,
    'middle-school': '\"W3C\" Middle School',
    skills: ['JavaScript', 'Java', 'Python', 'Lisp'],
    toJSON: function () {
        return { // 只输出name和age,并且改变了key:
            'Name': this.name,
            'Age': this.age
        };
    }
};
function convert(key,value) {
    if (typeof value === "string")
        return value.toUpperCase();
    return value;
}
console.log(JSON.stringify(xiaoming,convert));
JSON.stringify(xiaoming);
console.log(JSON.stringify(xiaoming));

实验用的代码

【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。通过构建数学模型,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作为学术研究案例,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