节点深度和广度的消耗

| 测试人 | Aweistory | | --- | --- | | CPU性能 | I7-9700F @3.00Hz | | Unity版本 | U2018.4.19f1 |
unity中ui组件的时候存在布局节点,程序经常提出节点影响性能一说,当然影响是有的,只是这个影响的级别是否能干涉到后期维护上呢?这里打上了一个大大的问号,为了证实这个结果,特地模拟了3个不同环境进行判断。注:机子测试期间没有运行其他软件进行影响,一次性测试完成,理论上三次测试环境也几乎一致。但是不排除后台其他的影响。因此测试数据仅供参考。

【深度的影响】

结构:使用了1层的节点和6层的节点,组件取Text。 实现:因获取速度过快,代码循环了800万次后得到结论,顾及到初始化可能影响获取之类的原因,函数代码块中进行代码复制,进行两次测试。
结构如下: 输出结果: 结论:5.5-1.5s/6-1层=800ms/层/800w次 |层级|耗时| |---|---| |1层|1.5s/800w次| |6层|5.5s/800w次|

【广度的影响】

结构:正常情况一个界面应该在广度上不会存在100多个节点,不过测试么,极端点。 实现:还是采用上面一样的代码,测试后对比上面的结果得出结论
结构如下:
输出结果:
结论:近乎没影响,也就是从上向下获取,后面有多广几乎不影响获取 |层级|耗时| |---|---| |1层|1.5s/800w次| |6层|5.4s/800w次|

【跨越广度的影响】

结构:调整其中一个测试节点到最低端,相隔99层节点,结果会是如何 实现:留一个在上面确保基准数值差,由另一个得出差异
结构如下:
输出结果:
结论:13.4-5.4s/99层,这就是一层广度之间的差80ms/800w次。 |层级|未调整|调整后| |---|---| |1层|1.5s/800w次|1.5s/800w次| 6层|5.4s/800w次|13.4/800w次|

【查找优先级】

结构:把刚刚99层空节点放到6层中的任意一层中 实现:如果是深度优先则会增加1层的查询时间,如果是广度优先,则应该测试出来的几乎没差别。 结构: 输出结果: 结论:和之前的时间几乎一致,因为节点上下顺序颠倒,所以会有点差异。并且还得出上面的数据疏漏了第二层节点包含了一层节点的损耗,不过约算数据对结果影响不大。
最后结论:
  1. 在本机测试800w次的调用下,深度差为800ms一层,广度为80ms一层。
  2. 获取绝对路径时以广度为优先,并不会遍历不相关深度。
从数据规律来看,深度损耗是跨广度的10倍。但是测试模拟是在800万次下的结果,而游戏实际不存在一个界面产生800万节点的情况。
具体在游戏界面中,节点能超过1000的都是少之又少。复杂点的普遍在200-300左右就可以完成,简单的更在100左右。
优化建议:
  • 布局节点的使用情况仁者见仁,智者见智了,个人是觉得该用的还是要用,不必要的自然得优化。
  • 程序方面尽量使用动态加载,避免没有必要的节点在界面中影响调用最底层节点的性能。
基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性稳定性。此外,文档还列举了大量相关的科研方向技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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