跟着第二行代码回顾android--receiver

本文详细介绍了Android中的广播机制,包括动态注册与静态注册的区别、如何实现动态广播接收器的注册及定义,静态广播接收器的注册方式,以及广播类型如有序广播、无序广播和本地广播的具体操作。
receiver就是广播接收器。

广播接收者分为动态注册和静态注册

动态注册:可以自由控制广播接收器的注册和注销,可以在需要使用广播接收器的时候才注册,不需要使用的时候就释放。这样就必须程序运行才能使广播接收器生效。

静态注册:在AndroidManifest文件中注册,优点就是不需要进程打开就可以接收到广播。

动态广播接收器的注册
    IntentFilter intentFilter=new IntentFilter();
        intentFilter.addAction("android.net.conn.CONNECTIVITY_CHANGE");
        netWorkChangeReceiver = new NetWorkChangeReceiver();
        registerReceiver(netWorkChangeReceiver,intentFilter);
动态广播接收器的定义
    class NetWorkChangeReceiver extends BroadcastReceiver{

        @Override
        public void onReceive(Context context, Intent intent) {
            ConnectivityManager connectivityManager= (ConnectivityManager)  getSystemService(Context.CONNECTIVITY_SERVICE);
            NetworkInfo info=connectivityManager.getActiveNetworkInfo();
            if (info!=null&&info.isAvailable()){
                Toast.makeText(ReceiverTestActivity.this,"当前有网络",Toast.LENGTH_SHORT).show();
            }else{
                Toast.makeText(ReceiverTestActivity.this,"当前没有网络",Toast.LENGTH_SHORT).show();
            }

        }
    }
注意权限,获取系统服务一般就需要开启权限。
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
静态广播接收器的注册
        <receiver
            android:name=".BootCompleteReceiver"
            android:enabled="true"
            android:exported="true">
            <intent-filter>
                <action android:name="android.intent.action.BOOT_COMPLETED" />
            </intent-filter>
        </receiver>
里面定义了触发的action

这里定义的是开机广播。

广播分为有序广播和无序广播,区别就在去发送广播所调用的方法sendBroadcast()为发送无序广播,sendOrderBroadcast()为发送有序广播,第一个参数为intent,第二个参数设置为null就行。有序广播可以被截断abortBroadcast()。

本地广播,是一种动态注册的广播,先获取localBroadcastManager的实例getInstance(this),然后用localBroadcastManager的实例来注册广播接收器、发送广播、注销广播接收器。






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