Struts1.3 Tag总结之----Logic:iterate

本文介绍如何使用<logic:iterate>标签来遍历不同类型的集合,如collection、map等。通过具体示例展示了如何设置迭代参数,如id、name、property等,并解释了offset和length的作用。

<logic:iterate />

Iterates over a collection, enumerator, iterator, map, or array. It evaluates its body for each item in the collection.

 

collection是对象的一个属性(request scope中存在的对象 tagInfo 属性 objHobbies是一个 collection)

 

<logic:iterate id="iter" name="tagInfo" property="objHobbies" scope="request">

       <bean:write name="iter" property="id"/>

       <bean:write name="iter" property="name"/>

    </logic:iterate>

 

 

collection就是存在于request scope中的对象,由于用了collection属性,不能用name属性去绑定对象,所以必须用表达式的形式得到对象。Offset表示从集合中索引(index)为多少的元素开始取,length表示取几个元素。indexId存放着元素的索引值。

 

<logic:iterate id="iter" collection="${options}" offset="1" length="5" indexId="index">

       <bean:write name="iter" property="id"/>

       <bean:write name="iter" property="value"/>

       [<bean:write name="index"/>]

    </logic:iterate>

 

 

    遍历HashMapMap中的每一对 key-value pair被保存在名为 iter 的对象中。

    <logic:iterate id="iter" name="tagInfo" property="multipleParam">

       <bean:write name="iter" property="key" />

       <bean:write name="iter" property="value" />

    .</logic:iterate>

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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