2、探索 SharePoint 开发:从基础到实践

探索 SharePoint 开发:从基础到实践

1. SharePoint 发展与开发环境变革

过去十年间,SharePoint 已从一个协作应用发展成为商业协作平台。随着其日益普及,企业希望将 SharePoint 应用拓展到人力工作流、文档处理、业务门户、互联网网站等更多场景。在 SharePoint 2010 发布之前,开发者在开发 SharePoint 应用时需付出大量努力,经历诸多手动步骤和流程。

SharePoint 2010 发布后,开发团队着重关注开发者群体,投入开发了许多开箱即用的工具和功能,让 SharePoint 开发体验更为熟悉。开发者反馈希望获得类似于开发 ASP.NET 应用的体验,包括使用 Visual Studio 模板以及通过 F5 键实现快速开发、调试和部署。开发团队听取了这些意见,并在 SharePoint 2010 和 Visual Studio 2010 版本中予以实现。

2. SharePoint 开发的多元性

SharePoint 开发融合了多种微软技术和开发风格,以下是不同开发场景下的特点:
- 构建自定义 Web 部件或应用页面 :这与使用 ASP.NET 创建 Web 部件或网页感觉相似,但在部署时,需使用 SharePoint 的打包和部署系统。该系统利用自定义 XML 文件定义“功能”,将这些功能及其关联文件打包成 .WSP 文件(本质是重命名为 .WSP 的 CAB 文件),最后在 SharePoint 服务器上运行命令行工具处理 WSP 文件以完成安装。
- 自定义 SharePoint 列表行为 :此

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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