背包

本文介绍了一款游戏中的道具UI系统实现方法,详细解释了如何通过预制件加载道具图片和数量,并设置点击事件来改变选中状态,同时通过自定义事件在不同预制件间传递背包ID和类型信息。

将预制件进行big数组中的对应加载,出现的每一个根据传来的type值进行对应的加载因为

 //agentia脚本里调用这个方法并且分开传递过来每一个的背包数据
    pub_Thenext:function(ob){
        //复制保存数组
        this._data = ob
        var that = this
                                                    that._addSpriteFrameToContainer(that.node.getChildByName('drugSprite').getComponent(cc.Sprite), "pic/locn/"+GameData.propArr[ob.type].pic);
        that.node.getChildByName("drugLabel").getComponent(cc.Label).string = ob.num
        //添加点击事件
        that.node.getChildByName('drugSprite').on(cc.Node.EventType.TOUCH_START,function(){
            that.choose()
        })
        that.accept()
        that.subscript()
    },
    },

然后进行点击事件后调用choose方法将之前定好位false的全局变量取反,然后把隐藏的选中框显示出来,然后抛出一个自定义事件,自定义事件包含现在这个点击的预制件的背包ID,

choose:function(){
        this.pitch = !this.pitch
        this.node.getChildByName('pitchOn').active = this.pitch
        //如果是这个脚本的第一次点击则抛出一个自定义事件并且将这个脚本的背包ID和type值抛出
        if(this.pitch){
            var proptypeId = new cc.Event.EventCustom(GameEvent.propAction, false) 
                proptypeId.setUserData([this._data.BagID,this._data.type]);
                cc.find('UIscript').dispatchEvent(proptypeId);
        } 
    },

然后在这个方法里接收背包ID,因为是捆绑在预制件上的脚本所以这个脚本的事件是一个预制件抛出多个预制件进行接收,接收后开始比对自身的背包ID和传来的背包ID,如果相等就不管,如果不相等而且全局变量为选中的状态,那么就让这个脚本调用choose方法进行选中的框隐藏。

//接收自定义事件并且取得背包ID
    accept:function(){
        var that = this;
        var node = cc.find("UIscript")
        node.on(GameEvent.propAction,function(event){
            var data  = event.getUserData()[0]
            //进行点击传来的type的脚本本身的一个type值比较如果不同并且是第一次点击该道具则调用choose方法
            if(data != that._data.BagID && that.pitch){
                that.choose()      
            }
        })
    },
内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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