图板学习笔记

:arrow: :arrow: 画图板程序总结 :arrow: :arrow:

【这一部分主要是对之前的知识的巩固以及在某些方面技能的提升,涉及的知识包括了界面设计编辑、动作以及鼠标监听器的使用、画布(Graphics)类的使用、初级重绘知识,有些东西之前以及总结过了,这里就不在赘述了,只对新了解的知识进行总结】

:D 1、画布类(Graphics)
画布必须在界面全部设置完毕后(即setVisible之后使用才能生效)
形式:Graphics 画布名 = 需要获取其画布的对象.getGraphics();
设置颜色:画布名.setColor(new Color(数字));
  画布名.getColor(new Color(数字));
画直线:drawLine()
画椭圆:drawOval()
画矩形:drawRect()
画圆角矩形:drawRoundRect()
等等

:D 2、重要的JRadioButton和ButtonGroup
形式:JRadioButton 类名 =new JRadioButton();
制定此按钮的指令:按钮类名.setActionCommand("指令");
添加到按钮群,形式:
  ButtonGroup 按钮群类名 =new ButtonGroup();
  按钮群类名.add(按钮类名);
获取指令:String 指令类 =按钮类名

:D 3、绝对位置布局:
先给要布局的面板或者窗口设定为无定型的布局:
  需要被布局的类.setLayout(null);
b、需要布局的类.setBounds(x,y,width,height);

:D 4、匿名内部类
a、适用于接口、抽象类,这样就可以不用单独在出去创建一个类,省去了某些值传来传去的麻烦,当然普通类也使用,只是优势没有这么明显罢了
b、形式:
  类名 对象名 =new 类名(参数){
  <内容>
  };【别忘了这里有个分号】
  c、ActionListener colorLis = new ActionListener(){
   public void actionPerformed(ActionEvent e) {
   //获取事件源对象
   JButton button = (JButton)e.getSource();
   color = button.getBackground();
   }
   };
  
:D 5、按钮的动态表现:
获取图片(四个):ImageIcon 图片类名 = new ImageIcon("图片地址");
设置:
图片类名.setIcon(图片1);
【普通状态下】
图片类名.setRolloverIcon(图片2);
【触碰时的状态】
图片类名.setSelectedIcon(图片3);
【选定时的状态】
图片类名.setPressedIcon(图片4);
【按下去时的状态】

:D 6、两个技巧:
  Static:静态,可以是静态方法,也可以是静态方法,也可以是静态属性,好处就是,可以跨类调用,而不需要将值通过构造器传来传去。
  在方法外定义通用类,比如说:JButton button;

:D 7、Math数学类
  内部的方法基本上都是静态的,也就是说不用通过创建对象就可以直接通过类调用:
  求最大值:Math.max(数1,数2);
  求最小值:Math.min(数1,数2);
  求绝对值:Math.abs(数或表达式);
  基础的伪随机数:Math.random();[返回一个带正号的0.0~1.0的double类随机数]
  、、、等等

:D 8、自动转型的妙用:
  比如程序代码中的shape对象,针对的是一个叫toolroot的抽象类,然而具体实例化的时候却是调用的是toolroot的子类:
   toolroot shape = null;
------>shape = new DrawEraser(x,y,8,8,g,Color.white);
   shape.draw();

  
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
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