android学习之通过handler更新UI的例子

本文介绍了一个使用Android Handler机制来不断更新UI显示的例子。通过一个自定义视图MyView,绘制了四个移动的小坦克图案,利用Handler周期性地调用invalidate()方法使视图不断刷新,实现图案从左向右平滑移动的效果。
通过handler来更新UI:
package com.myandroid.handler;
import android.app.Activity;
import android.os.Bundle;
import android.app.Activity;
import android.content.Context;
import android.graphics.Canvas;
import android.graphics.Color;
import android.graphics.Paint;
import android.os.Bundle;
import android.os.Handler;
import android.view.View;
public class HandlerViewActivity extends Activity {
    private MyView myView;
    private Handler mHandler;
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        myView = new MyView(this);
        mHandler = new Handler();
        mHandler.post(new Runnable() {
            @Override
            public void run() {
                myView.invalidate();
                mHandler.postDelayed(this, 5);
            }
        });www.2cto.com
        setContentView(myView);
    }
    class MyView extends View {
        private float x = 0f;
        public MyView(Context context) {
            super(context);
        }
        protected void onDraw(Canvas canvas) {
            super.onDraw(canvas);
            x += 1;
            Paint mPaint = new Paint();
            mPaint.setColor(Color.BLUE);
            canvas.drawRect(x, 40, x + 20, 48, mPaint);
            canvas.drawRect(x, 54, x + 20, 62, mPaint);
            canvas.drawCircle(x+10, 51, 6, mPaint);
            canvas.drawRect(x+10, 50, x + 20, 52, mPaint);
           
            mPaint.setColor(Color.RED);
            canvas.drawRect(x, 80, x + 20, 88, mPaint);
            canvas.drawRect(x, 94, x + 20, 102, mPaint);
            canvas.drawCircle(x+10, 91, 6, mPaint);
            canvas.drawRect(x+10, 90, x + 20, 92, mPaint);
           
            mPaint.setColor(Color.YELLOW);
            canvas.drawRect(x, 120, x + 20, 128, mPaint);
            canvas.drawRect(x, 134, x + 20, 142, mPaint);
            canvas.drawCircle(x+10, 131, 6, mPaint);
            canvas.drawRect(x+10, 130, x + 20, 132, mPaint);
           
            mPaint.setColor(Color.GREEN);
            canvas.drawRect(x, 160, x + 20, 168, mPaint);
            canvas.drawRect(x, 174, x + 20, 182, mPaint);
            canvas.drawCircle(x+10, 171, 6, mPaint);
            canvas.drawRect(x+10, 170, x + 20, 172, mPaint);
           
        }
    }
}
运行起来后看到有4个小坦克从左向右移动:
内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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