限制启动一个程序实例

    如果程序已经启动一个实例,通常我们不希望再次双击exe时又启动一个!所以要限制程序只能启动一个实例,并在再次运行时,显示出第一个实例!


MFC设置方法:

在初始化函数InitInstance()最前面添加下面的代码:

// 使用命名互斥对象,限制启动一个程序实例,TECN1139互斥对象名
	HANDLE hObject = CreateMutex( NULL, FALSE, _T("TECN1139") );
	HWND g_hWnd = NULL;


	if ( ERROR_ALREADY_EXISTS == GetLastError() )
	{
		ReleaseMutex( hObject );
		
                // 利用主窗口名Duilib(MFC),找到主窗口的句柄
		g_hWnd = FindWindow( NULL, _T("Duilib(MFC)") ); 
		if ( NULL != g_hWnd )
		{
                        // 判断主窗口是否最小化,如果最小化,则还原
			if ( ::IsIconic( g_hWnd ) )
			{
				::ShowWindow( g_hWnd, SW_RESTORE );
			}
                        // 激活主窗口
			SetForegroundWindow( g_hWnd );
		}


		return FALSE;
	}

Win32 设置方法:

在主函数添加上述代码,return FALSE 改为 return -1;




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